阅读html asp.net C＃的特定段落＃

Question

下面给出的代码是用于从html页面读取段落。它是好的代码，但如何可以采取一个段落或如果我只保存段落2或5如何只能采摘具体的段落号。

public string GetParagraphs(string html, int numberOfParagraphs) 
{ 
    const string paragraphSeparator = "</p>"; 
    var paragraphs = html.Split(new[] { paragraphSeparator }, StringSplitOptions.RemoveEmptyEntries); 
    return string.Join("", paragraphs.Take(numberOfParagraphs).Select(paragraph => paragraph + paragraphSeparator)); 
} 

Answer 1

除了这个代码被打破从根本上（你不能只是劈在</p>，并不是所有的HTML你会发现那里是有效的HTML），你似乎只是为了寻找Skip()方法：

public string GetParagraphs(string html, int startParagraph, int numberOfParagraphs) 
{ 
    // ... 

    var result = paragraphs.Skip(startParagraph) 
          .Take(numberOfParagraphs) 
          .Select(paragraph => paragraph + paragraphSeparator); 
} 

Answer 2

如果您想正确执行此操作，请使用HtmlAgilityPack。 一旦你拥有了它，你去的东西，如：

 HtmlAgilityPack.HtmlDocument htmlDoc = new HtmlAgilityPack.HtmlDocument(); 
     htmlDoc.OptionFixNestedTags = true; 
     htmlDoc.Load(new StringReader(PageContent)); 
     if (htmlDoc.DocumentNode != null) 
     { 
     HtmlNodeCollection nodes = htmlDoc.DocumentNode.SelectNodes(XPath); 
     // Work with nodes selected via XPath here 
     } 

的PageContent变量应包含网页的全HTML内容。 XPath变量是一个简单的XPath查询，例如， “// p”会给你所有的段落。