如何使用HTMLAgilityPack从HTML中删除空白行？

Question

如何使用HTMLAgilityPack从HTML中删除空白行？

3

我有一个包含大量不必要空白行的HTML文档，我想要删除它们。以下是HTML的样本：

<html>

<head>


</head>

<body>

<h1>Heading</h1>

<p>Testing

我尝试了以下代码，但它删除了每个换行符，我只想删除那些空行。

static string RemoveLineReturns(string html)
    {
        html = html.Replace(Environment.NewLine, "");
        return html;
    }

有没有任何关于如何使用HTMLAgilityPack实现这个的想法？谢谢， J.

- bearaman

https://dev59.com/1Gsz5IYBdhLWcg3wy7LU - Xi Sigma

你想删除空行还是空节点？ - Rahul Tripathi

这个有帮助吗：https://dev59.com/AF7Va4cB1Zd3GeqPOfPZ？ - Rahul Tripathi

2个回答

2

我认为HTMLAgilityPack目前没有原生的解决方案。

对于这种情况，我使用以下正则表达式：

html = Regex.Replace(html, @"( |\t|\r?\n)\1+", "$1");

这将正确保留空格和换行符，同时将多个制表符、换行符和空格压缩成一个。

- Darkseal

工作得非常好，解决方案简单易行。感谢Darkseal！ - bearaman

我尝试了同样的方法但对我没有起作用，我做了下面的小改动然后就可以工作了。 Regex.Replace(html, @"( |\t|\r|\n)+", string.Empty) - Jenish Zinzuvadiya

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- har07 · Accepted Answer

使用Html Agility Pack的一种可能方法：

var doc = new HtmlDocument();
//TODO: load your HtmlDocument here

//select all empty (containing white-space(s) only) text nodes :
var xpath = "//text()[not(normalize-space())]";
var emptyNodes = doc.DocumentNode.SelectNodes(xpath);

//replace each and all empty text nodes with single new-line text node
foreach (HtmlNode emptyNode in emptyNodes)
{
    emptyNode.ParentNode
             .ReplaceChild(HtmlTextNode.CreateNode(Environment.NewLine) 
                            , emptyNode
                           );
}