0
我试图从html中删除与html敏捷性有关的所有html,但我需要保留文本。例如,从这个标签:从HTML与html敏捷性中获取文本
<TR><TD>
<B><A HREF="survival/index.html">Survival</A></B><BR>
<I>Be Suspicious, Be Worried, Be Prepared</I><BR>
<TD>
我想只保留“做可疑......”
我有这样的方法,但并不能很好地工作:
private static HtmlDocument RemoveHTML(HtmlDocument document)
{
HtmlDocument textOfDoc = new HtmlDocument();
foreach (var node in document.DocumentNode.SelectNodes(".//p|.//title|.//body"))
{
var newNode = HtmlNode.CreateNode(node.InnerText+" ");
textOfDoc.DocumentNode.AppendChild(newNode);
}
return textOfDoc;
}
谢谢!
嗯不是,这不是我想要的,因为我想要的是从页面中选择文本以使用Lucene索引它。 我最后做的是用像Tidy .Net这样的库清理html代码,然后如果我添加到foreach中“.//p|.//title|.body”,它工作得很好。 但是,也要感谢! :) – Coconut 2011-02-09 09:12:17