使用 HtmlAgilityPack 从节点获取文本答案

【问题标题】：Getting the text from a node using HtmlAgilityPack使用 HtmlAgilityPack 从节点获取文本
【发布时间】：2010-11-01 20:57:02
【问题描述】：

我有以下 HTML：

<div class="top">
    <p>Blah.</p>
    I want <em>this</em> text.
</div>

提取字符串“I want this text.”的 XPath 表示法是什么？编辑：我不一定想要一个 XPath 表达式来提取字符串。选择多个节点并对其进行迭代以生成句子也会很棒。

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(myHtml);
doc.DocumentNode.SelectSingleNode("??????");

【问题讨论】：

标签： c# xpath html-agility-pack

【解决方案1】：

/div[@class='top']/p[.='Blah.']/following-sibling::node()

或

/div[@class='top']/node()[not(self::p)]

【讨论】：

@Alejandro，他将 XPath 放在 SelectSingleNode() 中，但是没有一个 XPath 表达式可以得到他想要的结果。
@Alejandro：这给了我“我想要”，但不是句子的其余部分。 @LarsH：不一定是 SelectSingleNode，我只是在寻找任何方法来获取整个句子（html 仍然完好无损）。
哦，我现在明白了。如果我使用 SelectNodes() [根据 LarsH 的建议]，它会给我整个句子。
@grautur：是的，你必须使用SelectNodes()（正如@LarsH 指出的，Agility Pack 没有可用的网络文档）。

【解决方案2】：

你要提取什么，节点还是字符串？

如果您需要节点，"I want this text." 是一个 XML 片段，由 两个文本节点和一个  元素组成，该元素有一个文本节点子节点。由于它在顶层有多个节点，因此您需要使用SelectNodes("xpath expression a la @Alejandro") 而不是SelectSingleNode() 来提取它们。

如果你想要一个字符串，你需要再次使用 SelectNodes();然后遍历选定的节点并连接每个节点的outerHTML。请参阅here 了解类似的一个很好的例子。

此外，从您的示例中还不清楚 XPath 表达式通常会给您想要的东西。例如。你想要<div class="top"> 下最初的... 之后的所有内容吗？或者你想要<div> 下的所有文本，除了 all  元素？或者也许是别的什么？当然，如果@Alejandro 的 XPath 表达式对您有用，那么它已经足够明确了。

【讨论】：

我要提取字符串“I want this text.”
如果需要，使用 SelectNodes() 并遍历每个节点。
@grautur：好的...请参阅我在最新编辑中链接到的示例。我很难找到 HTML Agility Kit 的文档……你知道它在哪里吗？我下载了一个 chm 帮助文件，但它显然在 Windows 7 中不起作用。
我知道了，谢谢！我用了亚历杭德罗的表情。 [我没有意识到我必须选择多个节点，也不知道存在“OuterHtml”。] 不过，您的解释非常有帮助，所以我会接受您的。