从 HTML 中删除所有空/不必要的节点答案

【问题标题】：Remove all empty/unnecessary nodes from HTML从 HTML 中删除所有空/不必要的节点
【发布时间】：2017-07-14 23:06:51
【问题描述】：

删除所有空节点和不必要节点的首选方法是什么？例如

 应该被删除，  也应该被删除（所以在这种情况下 br 标签被认为是不必要的）

我必须为此使用某种递归函数吗？我在想可能是这样的：

 RemoveEmptyNodes(HtmlNode containerNode)
 {
     var nodes = containerNode.DescendantsAndSelf().ToList();

      if (nodes != null)
      {
          foreach (HtmlNode node in nodes)
          {
              if (node.InnerText == null || node.InnerText == "")
              {
                   RemoveEmptyNodes(node.ParentNode);
                   node.Remove();
               }
           }
       }
  }

但这显然不起作用（stackoverflow 异常）。

【问题讨论】：

“空”和“不必要”之间存在巨大的区别。删除空节点可能会破坏布局。
好的，所以我最好不要删除空节点？
可能不会，不。另一个原因：如果您真的打算将 img 元素视为空，我会感到惊讶。
我明白你的意思。我在想，例如为图像添加例外会很容易

标签： c# html-agility-pack

【解决方案1】：

不应删除的标签您可以将名称添加到列表中，并且具有属性的节点也不会删除，因为 containerNode.Attributes.Count == 0（例如图像）

static List<string> _notToRemove;

static void Main(string[] args)
{
    _notToRemove = new List<string>();
    _notToRemove.Add("br");

    HtmlDocument doc = new HtmlDocument();
    doc.LoadHtml("<html><head></head><body><p>test</p><br><font><p><span></span></p></font></body></html>");
    RemoveEmptyNodes(doc.DocumentNode);
}

static void RemoveEmptyNodes(HtmlNode containerNode)
{
    if (containerNode.Attributes.Count == 0 && !_notToRemove.Contains(containerNode.Name) && string.IsNullOrEmpty(containerNode.InnerText))
    {
        containerNode.Remove();
    }
    else
    {
        for (int i = containerNode.ChildNodes.Count - 1; i >= 0; i-- )
        {
            RemoveEmptyNodes(containerNode.ChildNodes[i]);
        }
    }
}

【讨论】：