如何在 AngleSharp 中解析来自匿名块的文本？

Question

我正在使用 AngleSharp 解析网站内容，但我遇到了匿名块问题。

查看示例代码：

var parser = new HtmlParser();
var document = parser.Parse(@"<body>
<div class='product'>
    <a href='#'><img src='img1.jpg' alt=''></a>
    Hello, world
    <div class='comments-likes'>1</div>
</div>
<div class='product'>
    <a href='#'><img src='img2.jpg' alt=''></a>
    Yet another helloworld
    <div class='comments-likes'>25</div>
</div>
<body>");

var products = document.QuerySelectorAll("div.product");
foreach (var product in products)
{
    var productTitle = product.Text();
    productTitle.Dump();
}

因此，productTitle 包含来自 div.comments 个赞的数字，输出为：

Hello, world 1

Yet another helloworld 25

我试过 product.FirstElementChild.NextElementSibling.Text(); 之类的东西，但 link 元素的下一个同级元素是 div.comments-likes，而不是匿名块。它显示：

1

25

因此，匿名块被跳过。 :(

我发现的最佳解决方法是删除所有阻止块，例如：

product.QuerySelector(".comments-likes").Remove();
var productTitle = product.Text().Trim();

是从匿名块解析文本的更好方法吗？

Answer 1

文本被建模为TextNode，它是元素、注释节点、处理指令等旁边的类型的节点。这就是为什么NextElementSibling你试过没有在结果中包含文本，因为它只打算 return 元素，顾名思义。

您可以获取直接位于产品 div 中的文本节点，方法是遍历 div 的 ChildNodes，然后按 NodeType 进行过滤，例如：

var products = document.QuerySelectorAll("div.product");
foreach (var product in products)
{
    var productTitle = product.ChildNodes
                              .First(o => o.NodeType == AngleSharp.Dom.NodeType.Text 
                                            && o.TextContent.Trim() != "");
    Console.WriteLine(productTitle.TextContent.Trim());
}

dotnetfiddle demo

请注意，元素之间的换行符也是文本节点，因此我们需要在上面的演示中将其过滤掉。

如何在 AngleSharp 中解析来自匿名块的文本？

How to parse text from anonymous block in AngleSharp?

c#

anglesharp