获取位于没有类或 id 的模式之后的文本

Question

我正在使用HtmlAgiityPack。

它是解析数据的绝佳工具，但是我使用它的每个实例，我总是有一个类或 id 来瞄准，即 -

string example = doc.DocumentNode.SelectSingleNode("//div[@class='target']").InnerText.Trim();

但是，我遇到了一段文本，它没有嵌套在任何具有我可以瞄准的类或 id 的特定模式中。例如。 -

<p>Example Header</p>: This is the text I want!<br>

但是，给出的示例始终遵循相同的模式，即文本始终位于 </p>: 之后和 <br> 之前。

我可以使用正则表达式来提取文本，但我更喜欢使用敏捷包，因为其余代码也将遵循。有没有办法使用包做到这一点？

Answer 1

这个 XPath 对我有用：

var html = @"<div class=""target"">
<p>Example Header</p>: This is the text I want!<br>
</div>";
var doc = new HtmlDocument();

doc.LoadHtml(html);
var result = doc.DocumentNode.SelectSingleNode("/div[@class='target']/text()[(normalize-space())]").OuterHtml;
Console.WriteLine(result);

• /text() 选择所有作为<div> 直接子节点的文本节点
• [(normalize-space())] 排除所有仅包含白色的文本节点 空格（此 html 示例中排除了 2 个新行：一个在 <p> 之前，另一个在 <br> 之后）

结果：

更新一：

所有元素都必须有一个父元素，如上例中的<div>。或者，如果它是您正在谈论的根节点，那么同样的方法应该仍然有效。关键是使用/text() XPath 获取文本节点：

var html = @"<p>Example Header</p>: This is the text I want!<br>";
var doc = new HtmlDocument();
doc.LoadHtml(html);
var result = doc.DocumentNode.SelectSingleNode("/text()[(normalize-space())]").OuterHtml;
Console.WriteLine(result);

更新二：

好的，所以你想在<p> 元素之后和<br> 元素之前选择文本节点。然后你可以使用这个 XPath ：

var result = 
        doc.DocumentNode
           .SelectSingleNode("/text()[following-sibling::br and preceding-sibling::p]")
           .OuterHtml;