解析在线书籍的页面，并保存页面及其页脚的内容，而不做任何更改

本文关键字：任何更 保存 在线 | 更新日期: 2023-09-27 17:59:47

<article class="js_IntraTCBP IntraTCBP dr tr lh2 js_lblContent" id="js_lblContent"><p></p>text
<p></p><p></p><a name="p1"></a><a name="p1"></a><a name="p1"></a><a name="p1"></a><a name="p1"></a><h1>text</h1><p></p><p></p>text
<p></p>text<sup>1</sup>
<p></p>text<sup>2</sup>
<p></p>text<sup>3</sup>
<p></p>text<sup>4</sup>text<p></p><hr class="Footer"><p></p><font class="Footer"><p></p>1-ddd
<p></p>2-ccc
<p></p>3-bbb
<p></p>4-aaa
</font></article>

文本

文本1

文本2

文本3

文本4文本

2-cc

3-bbb

4-aaa

我想解析在线书籍的页面，并保存页面内容而不做任何更改。

当我使用这个：

var pageContent=文档。DocumentNode.SelectNodes("//article[@class='js_IntraTCBP IntraTCBP dr tr lh2 js_lblContent']/text(("(；

它收到了我所有的短信。

我怎样才能得到所有的页脚。例如text1----->1=dddd。就像我在书上看到的一样。

解析在线书籍的页面，并保存页面及其页脚的内容，而不做任何更改

您可以尝试正则表达式或Regex，它们是表示要搜索的字符串或模式的字符和符号序列。System.Text.RegularExpressions.Regex类-MSDN。

可以使用Regex.Matches来匹配一些html元素，但必须循环遍历每一行。这将让你开始：

// loop...
var matches = Regex.Match(line, @"('<['w]*'>|[^'s]*([^<]*)'<'/['w]*'>)");

要获得包含内容的标签，请使用：

string tag = matches.Groups[1].Value;

要获得不包括标签的内容，请使用：

string content = matches.Groups[2].Value;

演示。它可以检测某些元素，但不能检测所有元素。

以下是一些可能有助于学习的链接：

  • https://msdn.microsoft.com/en-us/library/20bw873z.aspx
  • https://msdn.microsoft.com/en-us/library/az24scfc(v=vs.110(.aspx
  • http://www.dotnetperls.com/regex
相关文章：