html - 使用 HTML Agility 剥离 HTML 标签但保留内部文本？

Question

我正在尝试去除一些 HTML 标签。我有一个项目，其中的人保存了一些搜索。问题是关键字已突出显示。例如。

<p>Here is some <span class='highlite'>awesome</span> example.</p>

Html Agility 将它变成了 3 个节点。一个文本节点，跨度和文本。我想从中创建一个标签。这样看起来像

<p>Here is some awesome example.</p>

我尝试使用 css class highlite 获取所有标签，然后

 //Stip all retarded hilite tags
 var hiliteTags = from tags in doc.DocumentNode.SelectNodes("//span[@class='hilite']")
                  select tags;

 foreach (var tag in hiliteTags)
 {
      tag.ParentNode.RemoveChild(tag, true);
 }

但这会导致文本节点、文本节点、文本节点。我想要一个文本节点。然后我尝试使用

Node.InnerText += someVariable;

但是 InnerText，尽管文档中说的是只读的。

关于如何做到这一点有什么想法吗？

其次，当我问的时候，有没有办法摆脱只包含文本的节点，它是一个\r\n。我对此根本不感兴趣，它只会妨碍并使解析变得尴尬。我也希望能够删除它们。例如

<tr>
    <td>Foo</td>
    <td>Bar</td>
</tr>

使用 Html Agility 变得

Node (tr)
Node (\r\n)
Node (td- Foo)
Node (\r\n)
Node (td - Bar)
Node (\r\n)
Node (tr)

我正在努力选择那些节点。我尝试过使用 Linq，也尝试过使用 XPath。我似乎无法删除它们。

Answer 1

如果你只取 p 标签的 InnerText，并创建一个单独的文档树来保存它会怎样？

var root = HtmlNode.CreateNode("<root></root>");
foreach (var node in doc.DocumentNode.SelectNodes("/p"))
{
    var newNode = HtmlNode.CreateNode(string.Format("<p>{0}</p>", node.InnerText));
    root.AppendChild(newNode);
}

这有帮助吗？