使用c#从html中提取格式化文本和href链接答案

【问题标题】：extract formatted text and also href link from html using c#使用c#从html中提取格式化文本和href链接
【发布时间】：2022-02-10 02:02:51
【问题描述】：

我正在尝试提取文本以及 href 中的链接。

<html>
    <body>
        <p>foo <a href='http://www.example.com'>bar</a>
            <br> baz</p>
    </body>
</html>

我正在寻找输出，foo http://www.example.com bar baz 应该考虑 br 标签以获得正确的格式化句子。

【问题讨论】：

您可以将HTMLAgilityPack 用于您的目的：html-agility-pack.net
谢谢@RahulSharma。是否可以为此用例提供示例？提前致谢。
我试过了，但我没有接受答案所需的声誉。我是堆栈溢出的新手。 @RahulSharma
如果我的回答对您有所帮助，您可以通过单击答案旁边的复选框来接受它。 @Aishwarya Gujjar

标签： c# html html-to-text

【解决方案1】：

给你：

using System;
using HtmlAgilityPack;
                    
public class Program
{
    public static void Main()
    {
        var html =
        @"<html><body><p>foo <a href='http://www.example.com'>bar</a><br> baz</p></body></html> ";
        var htmlDoc = new HtmlDocument();
        htmlDoc.LoadHtml(html);
        var htmlAnchor = htmlDoc.DocumentNode.SelectSingleNode("//a");
        var htmlBr = htmlDoc.DocumentNode.SelectSingleNode("//p");
        string hrefValue = htmlAnchor.Attributes["href"].Value;
        Console.WriteLine(htmlBr.InnerText + " " + hrefValue);
    }
}

输出：

富吧 baz http://www.example.com

工作示例：https://dotnetfiddle.net/BBYAF9

【讨论】：