HTMLAgilityPack只遍历所有文本节点

Question

这里是一个HTML代码片段，我想要的只是获取文本节点并迭代它们。请让我知道。谢谢。

<div> 
    <div> 
     Select your Age: 
     <select> 
      <option>0 to 10</option> 
      <option>20 and above</option> 
     </select> 
    </div> 
    <div> 
     Help/Hints: 
     <ul> 
      <li>This is required field. 
      <li>Make sure select the right age. 
     </ul> 
     <a href="#">Learn More</a> 
    </div> 
</div> 

结果：

1. 选择您的年龄：
2. 0至10
3. 20及以上
4. 帮助/提示：
5. 这是必填字段。
6. 确保选择合适的年龄。
7. 了解更多

Answer 1

事情是这样的：

HtmlDocument doc = new HtmlDocument(); 
    doc.Load(yourHtmlFile); 

    foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//text()[normalize-space(.) != '']")) 
    { 
     Console.WriteLine(node.InnerText.Trim()); 
    } 

将输出这样的：

Select your Age: 
0 to 10 
20 and above 
Help/Hints: 
This is required field. 
Make sure select the right age. 
Learn More 

Answer 2

我测试了谷歌主页上@Simon Mourier答案，并得到了很多CSS和Javascript，所以我添加了一个额外的过滤器来删除它：

public string getBodyText(string html) 
    { 
     string str = ""; 

     HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument(); 
     doc.LoadHtml(html); 

     try 
     { 
      // Remove script & style nodes 
      doc.DocumentNode.Descendants().Where(n => n.Name == "script" || n.Name == "style").ToList().ForEach(n => n.Remove()); 

      // Simon Mourier's Answer 
      foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//text()[normalize-space(.) != '']")) 
      { 
       str += node.InnerText.Trim() + " "; 
      } 
     } 
     catch (Exception) 
     { 
     } 

     return str; 
    }