规范化 HtmlAgilityPack 中的空间

Question

这里是 html sn-p。如何获得规范化空间文本？

要搜索相同的片段，但使用 Xpath //*[normalize-space()='Text1 Text2']

<div>
    <div>
        <a></a>
        <a></a>
        <div><a><span></span>Text2</a></div>
    </div>
        <div>Text2</div>
</div>

使用：

var htmlNodes = htmlDoc.DocumentNode.SelectNodes("*");

foreach (var node in htmlNodes)
{
   text += node.InnerText;
}

我得到这个字符串：

"\r\n                        \r\n                        \r\n                        \r\n                        \r\n                        Text1\r\n                    Text2"

我可以得到一个普通的文本吗？

"Text1 Text2"

Answer 1

您可以改用InnerText 属性：

var texts = document.DocumentNode.Descendants("div").Select(n => n.InnerText);

如果你愿意，可以将它们组合起来：

var combined = string.Join(" ", texts);

过滤掉空值：

.Select(n => n.InnerText.Replace("\r\n", "")).Where(s => !string.IsNullOrEmpty(s));

Answer 2

如果您已经在您需要的节点，并且不介意所有空格变成单个空格字符：

var htmlNodes = htmlDoc.DocumentNode.InnerText;
var normalized = Regex.Replace(htmlNodes.Trim(), @"\s+", " ");

叶节点搜索，这将保持元素内非空白中的空白不变（例如，如果您有 <div><a><span></span>this needs space</a></div>）：

var leafNodes = htmlDoc.DocumentNode.Descendants()
    .Where(x => !x.ChildNodes.Any());
var trimmedInnerText = leafNodes.Select(x => x.InnerText.Trim())
    .Where(x => !string.IsNullOrEmpty(x));
var outputString = string.Join(" ", trimmedInnerText);