仅获取此节点的InnerText(不包括子节点)

本文关键字：不包括 子节点 InnerText 获取 节点 | 更新日期: 2023-09-27 18:22:08

由于我对XPath还不太熟悉，我更喜欢使用带有HtmlAgilityPack的LINQ。我认为这是我需要XPath解决方案的情况之一。所以我需要你的帮助。

考虑一下这个简化的HTML片段：

<td><b>Billing informations:</b>
    <table>
        <tr>
            <td style="color: #757575; padding-left: 10px; padding-bottom: 20px;">
                Invoice-Number:1534753<br />Transactioncode: 1WF772582A4041717
            </td>
        </tr>
    </table>
</td>

这是一个较大HTML页面的一部分，但它说明了我的问题。我需要提取Invoice-Number和TransactionCode。有时文本在一个跨度中，有时直接在单元格中，如这里所示。所以我需要一种在这两种情况下都有效的方法。

我试过这个：

var invoiceCell = doc.DocumentNode.Descendants("td")
    .FirstOrDefault(cell => cell.InnerText.Contains("Invoice-Number"));
if (invoiceCell != null)
{
    string text = invoiceCell.InnerText;
    // use string methods to extract both values
}

问题是invoiceCell.InnerText返回最外层单元格的InnerText，而不是包含Invoice-Number的单元格。因此text还包含"计费信息"：

Billing informations:

                Invoice-Number:1534753Transactioncode: 1WF772582A4041818

虽然在这种情况下我可以使用字符串方法或正则表达式来提取这两个值，但这非常容易出错，因为较大的html页面包含许多嵌套表。我只想要最内层细胞的InnerText。也许还有一个LINQ解决方案可以解决这个问题，那么我更喜欢这样。

更新我注意到使用LastOrDefault而不是FirstOrDefault可能是一个可行的解决方法，因为这似乎会返回与条件匹配的最内部单元格：

var invoiceCell = doc.DocumentNode.Descendants("td")
    .LastOrDefault(cell => cell.InnerText.Contains("Invoice-Number"));

仅获取此节点的InnerText(不包括子节点)

这里有另一种使用XPath来覆盖这两种情况的替代方法——当目标文本直接在单元格内时，以及当目标文本被包装在span中时：

var xpath = "//td[contains(text(),'Invoice-Number') or contains(span,'Invoice-Number')]";
var invoiceCell = doc.DocumentNode.SelectSingleNode(xpath);
相关文章：