Grab inner text from HTML that isn't from a header

本文关键字：from header isn inner text HTML that Grab | 更新日期: 2023-09-27 18:27:57

使用C#的HTMLAgilityPack，我将如何从非<h1-6>的HTML中获取内部文本。我不想使用正则表达式，而是使用HTMLAgilityPack。

我目前的方法：

var document = new HtmlDocument();
document.LoadHtml (text);
text = document.DocumentNode.SelectSingleNode ("//body").InnerText;

这有问题，在处理大量文本时不太有效。最好删除标题标签，然后获取内部文本。

谢谢！

Grab inner text from HTML that isn't from a header

只需删除不需要的标签，然后获取body.innerText:

string[] tagsToRemove = { "h1", "h2", "h3", h4", "h5", "h6" };
List<string> tagsToRemoveList = tagsToRemove.ToList();
doc.DocumentNode.Descendants()
    .Where(n => tagsToRemoveList.Contains(n..Name.ToLowerCase()))
    .ToList()
    .ForEach(n => n.Remove());