如何使用 HTMLAgility Pack 从 HTML 中删除空行？

Question

我有一个 HTML 文档，其中包含许多我想删除的不必要的空白行。这是 HTML:

的示例

<html>

<head>


</head>

<body>

<h1>Heading</h1>

<p>Testing

我尝试了以下代码，但它删除了每个换行符，我只想删除那些空行。

static string RemoveLineReturns(string html)
    {
        html = html.Replace(Environment.NewLine, "");
        return html;
    }

知道如何使用 HTMLAgilityPack 做到这一点吗？谢谢， J.

Answer 1

我认为 HTMLAgilityPack 目前没有为此提供本机解决方案。

对于这种情况，我使用以下正则表达式：

html = Regex.Replace(html, @"( |\t|\r?\n)+", "");

这会正确保留空格和行尾，同时将多个制表符、换行符和空格压缩为一个。

Answer 2

使用 Html Agility Pack 的一种可能方式：

var doc = new HtmlDocument();
//TODO: load your HtmlDocument here

//select all empty (containing white-space(s) only) text nodes :
var xpath = "//text()[not(normalize-space())]";
var emptyNodes = doc.DocumentNode.SelectNodes(xpath);

//replace each and all empty text nodes with single new-line text node
foreach (HtmlNode emptyNode in emptyNodes)
{
    emptyNode.ParentNode
             .ReplaceChild(HtmlTextNode.CreateNode(Environment.NewLine) 
                            , emptyNode
                           );
}

如何使用 HTMLAgility Pack 从 HTML 中删除空行？

How to remove blank lines from HTML with HTMLAgilityPack?

html

c#

html-agility-pack