使用 C# htmlagilitypack 获得较短的文本预览版本 html

Question

我想用 htmlagilitypack 完成的事情是制作内容的较短版本，同时保持其 html。用于预览用途。

例如，假设我有 "1234567890<div></div>1234567890"，但长度设置为最大 11。这应该给出 1234567890<div></div>1 的结果。

我现在不确定如何到达那里，因为仍然有效的 html 应该保留并且在检查具有 html 内容的文本的最大长度时被忽略. RegEx 不是一个有效的解决方案。有什么想法吗？

Answer 1

您可以使用此方法 returns 一个新的 HtmlAgilityPack.HtmlDocument:

public static HtmlAgilityPack.HtmlDocument GetPreview(HtmlAgilityPack.HtmlDocument orginal, int maxTextLength)
{
    var docPreview = new HtmlAgilityPack.HtmlDocument();
    docPreview.DocumentNode.CopyFrom(orginal.DocumentNode, false); // documentation bug in HtmlAgilityPack, false means deep-copy

    string allText = docPreview.DocumentNode.InnerText;
    int remainingDelete = allText.Length - maxTextLength;

    if (remainingDelete <= 0)
        return docPreview;  // you are finished

    // select only text nodes
    HtmlNodeCollection allTextNodes = docPreview.DocumentNode.SelectNodes("//text()[normalize-space(.) != '']");
    // iterate text nodes backwards
    for (int i = allTextNodes.Count - 1; i >= 0; i--)
    {
        HtmlTextNode textNode = allTextNodes[i] as HtmlTextNode;
        if (textNode == null) continue;

        int length = remainingDelete >= textNode.Text.Length ? 0 : textNode.Text.Length - remainingDelete;
        int removeLetterCount = textNode.Text.Length - length;
        remainingDelete = remainingDelete - removeLetterCount;

        textNode.Text = textNode.Text.Substring(0, length);

        if (remainingDelete == 0)
            break;
    }

    return docPreview;
}

您的样本：

var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml("1234567890<div></div>1234567890");

HtmlAgilityPack.HtmlDocument docPreview = GetPreview(doc, 11);
Console.WriteLine(docPreview.DocumentNode.InnerHtml); // 1234567890<div></div>1

使用 C# htmlagilitypack 获得较短的文本预览版本 html

Using C# htmlagilitypack for a shorter preview version of text with html

c#

html-agility-pack