仅获取此节点的 InnerText，不包括子节点

Question

由于我对 XPath 还不太熟悉，所以我更喜欢使用 HtmlAgilityPack 的 LINQ。我认为这是我需要 XPath 解决方案的情况之一。所以我需要你的帮助。

考虑这个简化的 HTML 片段：

<td><b>Billing informations:</b>
    <table>
        <tr>
            <td style="color: #757575; padding-left: 10px; padding-bottom: 20px;">
                Invoice-Number:1534753<br />Transactioncode: 1WF772582A4041717
            </td>
        </tr>
    </table>
</td>

这是更大的 HTML 页面的一部分，但它说明了我遇到的问题。我需要提取 Invoice-Number 和 TransactionCode。有时文本在一个跨度中，有时像这里一样直接在单元格中。所以我需要一种在这两种情况下都适用的方法。

我试过这个：

var invoiceCell = doc.DocumentNode.Descendants("td")
    .FirstOrDefault(cell => cell.InnerText.Contains("Invoice-Number"));
if (invoiceCell != null)
{
    string text = invoiceCell.InnerText;
    // use string methods to extract both values
}

问题是 invoiceCell.InnerText return 是最外层单元格的 InnerText，而不是包含 Invoice-Number 的单元格。所以 text 也包含 "Billing informations":

Billing informations:



                Invoice-Number:1534753Transactioncode: 1WF772582A4041818

虽然我可以使用字符串方法或正则表达式来提取这两个值，但在这种情况下，这是非常容易出错的，因为较大的 html 页面包含许多嵌套表格。我只想要最里面单元格的 InnerText 。也许还有一个 LINQ 解决方案可以解决这个问题，那么我更喜欢它。

Update 我注意到使用 LastOrDefault 而不是 FirstOrDefault 可能是一个可行的解决方法，因为这似乎 return 最里面符合条件的单元格：

var invoiceCell = doc.DocumentNode.Descendants("td")
    .LastOrDefault(cell => cell.InnerText.Contains("Invoice-Number"));

Answer 1

这是另一种使用 XPath 来涵盖这两种情况的替代方法——当目标文本直接位于单元格内时，当目标文本包含在跨度中时：

var xpath = "//td[contains(text(),'Invoice-Number') or contains(span,'Invoice-Number')]";
var invoiceCell = doc.DocumentNode.SelectSingleNode(xpath);

仅获取此节点的 InnerText，不包括子节点

Get only InnerText of this node excluding children

html

c#

string

html-agility-pack