c# - 使用HtmlAgilityPack从节点获取文本

Question

我有以下HTML：

<div class="top">
    <p>Blah.</p>
    I want <em>this</em> text.
</div>

提取字符串“ I want <em>this</em> text.”的XPath表示法是什么？
编辑：我不一定要使用单个XPath表达式来提取字符串。选择多个节点，并对其进行迭代以生成句子，也将非常有用。

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(myHtml);
doc.DocumentNode.SelectSingleNode("??????");

Answer 1

您要提取什么，节点或字符串？

如果需要节点，"I want <em>this</em> text."是XML片段，它由两个文本节点的顶层和一个<em>元素组成，该元素具有一个文本节点子级。由于它在顶层具有多个节点，因此您需要使用SelectNodes("xpath expression a la @Alejandro")而不是SelectSingleNode()来提取它们。

如果需要一个字符串，则再次需要使用SelectNodes（）;。然后遍历所选节点并连接每个节点的externalHTML。有关类似内容的一个很好的示例，请参见here。

另外，从您的示例中还不清楚一点，通常XPath表达式将为您提供所需的内容。例如。您是否想要在<p>...</p>下的初始<div class="top">之后的所有内容？还是您想要除所有<div>元素之外的<p>下的所有文本？也许还有其他东西？当然，如果@Alejandro的XPath表达式对您有用，那么它已经足够详细地指定了。