使用 Html Agility Pack 剥离 MS Word 标签答案

【问题标题】：Stripping MS Word Tags Using Html Agility Pack使用 Html Agility Pack 剥离 MS Word 标签
【发布时间】：2010-01-24 14:38:16
【问题描述】：

我有一个数据库，其中包含一些从 MS Word 粘贴的文本字段，我无法仅剥离 , 和标签，但显然保留了它们的 innerText。

我尝试过使用 HAP，但我没有朝着正确的方向前进..

Public Function StripHtml(ByVal html As String, ByVal allowHarmlessTags As Boolean) As String
    Dim htmlDoc As New HtmlDocument()
    htmlDoc.LoadHtml(html)
    Dim invalidNodes As HtmlNodeCollection = htmlDoc.DocumentNode.SelectNodes("//div|//font|//span")
    For Each node In invalidNodes
        node.ParentNode.RemoveChild(node, False)
    Next
    Return htmlDoc.DocumentNode.WriteTo()
End Function

此代码只是选择所需的元素并删除它们......但不保留它们的内部文本......

提前致谢

【问题讨论】：

标签： .net html html-agility-pack strip

【解决方案1】：

嗯……我想我找到了解决办法：

Public Function StripHtml(ByVal html As String) As String
    Dim htmlDoc As New HtmlDocument()
    htmlDoc.LoadHtml(html)
    Dim invalidNodes As HtmlNodeCollection = htmlDoc.DocumentNode.SelectNodes("//div|//font|//span|//p")
    For Each node In invalidNodes
        node.ParentNode.RemoveChild(node, True)
    Next
    Return htmlDoc.DocumentNode.WriteContentTo
End Function

我快到了... :P

【讨论】：