如何从数组中的 HTML 字符串中获取内容答案

【问题标题】：How to get Contents from HTML string in Array如何从数组中的 HTML 字符串中获取内容
【发布时间】：2013-07-03 12:45:54
【问题描述】：

我正在处理一些 html 内容。 HTML 的格式如下所示。

<li>
  <ul>
     <li>Test1</li>
     <li>Test2</li>
  </ul>
  Odd string 1
  <ul>
     <li>Test3</li>
     <li>Test4</li>
  </ul>
  Odd string 2
  <ul>
     <li>Test5</li>
     <li>Test6</li>
  </ul>
<li>

html 内容中可以有多个“奇数字符串”。所以我想要数组中的所有“奇数字符串”。有什么简单的方法吗？（我正在使用 C# 和 HtmlAgilityPack）

【问题讨论】：

它们是否总是介于和
@Jonesy 是的，他们总是在和
之间

标签： c# html c#-4.0 html-agility-pack

【解决方案1】：

使用这个 XPATH：

//body/li[1]/text()

【讨论】：

【解决方案2】：

Agility Pack 已经可以查询这些文本

var nodes = doc.DocumentNode.SelectNodes("/html[1]/body[1]/li[1]/text()")

【讨论】：

【解决方案3】：

获取所有ul的后代并检查下一个兄弟节点是HtmlNodeType.Text，如果不为空：

List<string>oddStrings = new List<string>();
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);
foreach (HtmlNode ul in doc.DocumentNode.Descendants("ul"))
{
    HtmlNode nextSibling = ul.NextSibling;
    if (nextSibling != null && nextSibling.NodeType == HtmlNodeType.Text)
    {
        string trimmedText = nextSibling.InnerText.Trim();
        if (!String.IsNullOrEmpty(trimmedText))
        {
            oddStrings.Add(trimmedText);
        }
    }
}

【讨论】：

【解决方案4】：

选择ul 元素并引用下一个兄弟节点，这将是您的文本：

HtmlDocument html = new HtmlDocument();
html.Load(html_file);
var odds = from ul in html.DocumentNode.Descendants("ul")
           let sibling = ul.NextSibling
           where sibling != null && 
                 sibling.NodeType == HtmlNodeType.Text && // check if text node
                 !String.IsNullOrWhiteSpace(sibling.InnerHtml)
           select sibling.InnerHtml.Trim();

【讨论】：

【解决方案5】：

类似

MatchCollection matches = Regex.Matches(HTMLString, "</ul>.*?<ul>", RegexOptions.SingleLine);
foreach (Match match in matches)
{
    String oddstring = match.ToString().Replace("</ul>","").Replace("<ul>","");
}

【讨论】：

OP 可能需要使用 HtmlAgilityPack 的解决方案（注意标签和问题的最后一句）