HtmlAgilityPack设置节点InnerText。

Question

我想要用另一段文本替换HTML标签内的文本。

我正在使用HtmlAgilityPack

我使用以下代码提取所有文本

HtmlDocument doc = new HtmlDocument();
doc.Load("some path")

foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//text()[normalize-space(.) != '']")) {
    // How to replace node.InnerText with some text ?
}

但是InnerText是只读的。我该如何用另一个文本替换文本并将它们保存到文件中？

- Shahin

---

元素的内部文本是所有子标签的内部文本的组合。您是否想用文本节点替换所有子标签？ - Yuriy Rozhovetskiy

@YuriyRozhovetskiy 我想用一些文本替换每个元素的文本，实际上我想将一个网站翻译成另一种语言。我想从页面中提取所有文本，然后进行翻译、替换和保存。 - Shahin

XML文档称该属性“获取或设置对象起始标记和结束标记之间的文本”，但只提供了一个“获取”方法，这很奇怪。 - BrainSlugs83

Answer 1

尝试以下代码。它选择所有没有子节点的节点并过滤掉脚本节点。也许您需要添加一些额外的筛选条件。除了您的XPath表达式，这个表达式还寻找叶节点并过滤掉<script>标记的文本内容。

var nodes = doc.DocumentNode.SelectNodes("//body//text()[(normalize-space(.) != '') and not(parent::script) and not(*)]");
foreach (HtmlNode htmlNode in nodes)
{
    htmlNode.ParentNode.ReplaceChild(HtmlTextNode.CreateNode(htmlNode.InnerText + "_translated"), htmlNode);
}

- Yuriy Rozhovetskiy

---

非常好，谢谢。我该如何将翻译后的HTML覆盖到之前的文件中？ 我从文件中加载节点。 - Shahin

如果可能的话，请描述一下我的代码XPath和你的有什么区别？ - Shahin

只是为了额外澄清，将文本设置到节点的正确方法是通过用“HtmlTextNode.CreateNode（“text here ...”）”创建的新节点替换“HtmlTextNode”。 - KFL

我知道这是一个老问题，但你在这里救了我的命，谢谢！ - Paulo Hgo

Answer 2

很奇怪，我发现 InnerHtml 并不是只读的。当我试图像这样设置它时：

aElement.InnerHtml = "sometext";

InnerText 的值也更改为 "sometext"

- lena

---

但是您运行的风险是同时更改HTML标记。 - jnoreiga

InnerHtml 不是只读的，而 InnerText 是只读的。有关 InnerText 不是只读的文档似乎是错误的。 - liang

虽然 InnerHtml 支持获取/设置，但在某些情况下，它似乎并没有真正改变文档内容。如果您设置了它，然后查看文档的 OuterHtml，则内容并不总是会被更改。 - Memetican

截至本评论时（2021年01月04日），它仅支持获取操作。 - mrbitzilla

Answer 3

HtmlTextNode类有一个Text属性^*，非常适合此目的。

这是一个示例：

var textNodes = doc.DocumentNode.SelectNodes("//body/text()").Cast<HtmlTextNode>();
foreach (var node in textNodes)
{
    node.Text = node.Text.Replace("foo", "bar");
}

如果我们有一个 HtmlNode，想要更改它的 直接 文本，可以执行以下操作：

HtmlNode node = //...
var textNode = (HtmlTextNode)node.SelectSingleNode("text()");
textNode.Text = "new text";

如果它包含多个文本节点，我们可以使用 node.SelectNodes("text()")。

---

^* _{不要与只读的 InnerText 属性混淆。}

- 41686d6564 stands w. Palestine