logo标签列表

使用HTMLAgilityPack和C#按类名删除元素

c#.netxsltxpathhtml-agility-pack
8
我将使用html agility pack来读取我的html文档内容并转换为字符串等。完成后，我想通过它们的类删除该内容中的某些元素，但是我遇到了一些问题。
我的Html看起来像这样：
<div id="wrapper">
    <div class="maincolumn" >
        <div class="breadCrumbContainer">
            <div class="breadCrumbs">
            </div>
        </div>

        <div class="seo_list">
            <div class="seo_head">Header</div>
        </div>

Content goes here...
</div>

现在，我使用了xpath选择器来获取所有在 <div> 标签内的内容，并使用 InnerHtml 属性，代码如下：

            node = doc.DocumentNode.SelectSingleNode("//div[@id='wrapper']");
            if (node != null)
            {
                pageContent = node.InnerHtml;
            }

从这个角度来看，我想要删除类名为“breadCrumbContainer”的div。然而，当我使用以下代码时，会出现错误：“在集合中未找到节点“””。
            node = doc.DocumentNode.SelectSingleNode("//div[@id='wrapper']");
            node = node.RemoveChild(node.SelectSingleNode("//div[@class='breadCrumbContainer']"));

            if (node != null)
            {
                pageContent = node.InnerHtml;
            }

请问有人能解释一下吗？我对Xpath不太熟悉，HtmlAgility库更是一窍不通。

谢谢！

Dave

是因为“breadCrumbContainer”节点不是“wrapper”的直接子节点，而.RemoveChild()只能删除直接子节点吗？ - mike
我不知道HtmlAgilityPack是否工作方式相同，但在XPath中，"//div"将始终从根节点开始搜索，而不是从当前节点开始。请尝试使用".//div"代替。 - Hans Kesting
好问题，+1。请看我的答案，其中包含完整、非常简短和易于理解的XSLT解决方案。记住：XSLT是专门为此类任务设计的语言，任何其他语言在这些任务上都不如它。 - Dimitre Novatchev
2个回答
13

这是因为RemoveChild只能删除一个直接子元素，而不能删除孙子元素。尝试使用以下方法代替：

    HtmlNode node = doc.DocumentNode.SelectSingleNode("//div[@class='breadCrumbContainer']");
    node.ParentNode.RemoveChild(node);
是的。我太傻了。我本来以为它会将任何子节点都计算为子节点。无论如何，谢谢 :) - Dave
0

这对于XSLT来说是一个超级简单的任务：

<xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
 <xsl:output omit-xml-declaration="yes" indent="yes"/>
 <xsl:strip-space elements="*"/>

 <xsl:template match="node()|@*">
  <xsl:copy>
   <xsl:apply-templates select="node()|@*"/>
  </xsl:copy>
 </xsl:template>

 <xsl:template match=
  "div[@class='breadCrumbContainer'
     and
       ancestor::div[@id='wrapper']
      ]
  "/>
</xsl:stylesheet>

当应用此转换到提供的 XML 文档时（添加了另一个 <div> 并包装成 <html> 顶级元素以使其更具挑战性和逼真性）：
<html>
 <div id="wrapper">
    <div class="maincolumn" >
        <div class="breadCrumbContainer">
            <div class="breadCrumbs"></div>
        </div>
        <div class="seo_list">
            <div class="seo_head">Header</div>
        </div>  Content goes here...
    </div>
 </div>
 <div>
   Something else here
 </div>
</html>

产生了想要的、正确的结果：

<html>
  <div id="wrapper">
    <div class="maincolumn">
      <div class="seo_list">
        <div class="seo_head">Header</div>
      </div>  Content goes here...
    </div>
  </div>
  <div>
   Something else here
 </div>
</html>
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