HtmlAgilityPack - 删除所有属性

Question

我在 .Net Core 2.2 下使用 HtmlAgilityPack 1.11.18。

我想从 HTML 片段（不是完整文档）中的 <p> 个节点中删除所有 HTML 属性。

var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(input);

var pNodes = htmlDoc.DocumentNode.SelectNodes("//p");

foreach (var node in pNodes)
{
    node.Attributes.Remove();
}

return htmlDoc.Text;

这不是把戏，我是不是漏掉了什么？方法 returns a string 应该是片段减去所有 <p> 元素上的属性。

我知道你不应该使用 RegEx 来解析 HTML，但这些都是小片段，我更喜欢 RegEx 方法，这样我就可以删除对 HtmlAgilityPack 的依赖，我只带来了干净利落地处理这件事。

Answer 1

I would prefer a RegEx method so I can remove the dependency on HtmlAgilityPack, which I only brought in to handle this cleanly.

那么为什么不用它来完成这样的任务呢？听起来您只想将 <p[^>]*> 更改为 <p>*

This is not doing the trick, am I missing something?

是的。 HtmlDocument class 更像是 bacis class，它包含 HTML Agility Pack 在解析文档之前需要了解的所有内容以及 DOM 结构中的任何更改它所持有的不会在这里反映出来。我一直倾向于使用： return htmlDoc.DocumentNode.WriteTo(); 作为 "the most proper" 方式而不是返回 htmlDoc.Text.

试试下面这个例子：

private static string foo()
{
    var htmlDoc = new HtmlDocument();
    htmlDoc.LoadHtml("<div><p class=\"ok\">text</p></div>");

    var pNodes = htmlDoc.DocumentNode.SelectNodes("//p");

    foreach (var node in pNodes)
    {
        node.Attributes.Remove();
    }

    return htmlDoc.DocumentNode.WriteTo();
}

*正如@Progman 提到的那样，这是一个坏主意，这里是示例原因：

输入：<div><p class=\"ok\" >text</p></div>（因此您可以在评论中添加任何内容，正则表达式无法处理）
HTML 敏捷包的输出：<div><p></p>>text</div>

HtmlAgilityPack - 删除所有属性

HtmlAgilityPack - Remove All Attributes

c#

html-agility-pack

asp.net-core-mvc

.net-core