如何在XML文檔中提取HTML的文本版本？

假設我有一個看起來像一個XML文檔（基本上可以代表一個HTML報告）：如何在XML文檔中提取HTML的文本版本？

<html> 
<head>...</head> 
<body> 
    <div> 
    <table> 
    <tr> 
     <td>Stuff</td> 
    </tr> 
    <tr> 
     <td>More stuff<br /><br />More stuff on another line and some whitespace... </td> 
    </tr> 
    <tr> 
     <td> Some leading whitespace before this stuff<br />Stuff</td> 
    </tr> 
    </table> 
    </div> 
</body> 
</html>

我想（用C＃）這個文件轉換成一個簡單的文本字符串，它看起來像：

Stuff 
More stuff 

More stuff on another line and some whitespace... 
    Some leading whitespace before this stuff 
Stuff

它應該足夠聰明，可以將表格行轉換爲新行並插入新行，其中任何內嵌br標記添加到單元格內。它還應該保持表格單元格中的空格不變。我嘗試過使用XmlDocument類並在Body節點上使用InnerText方法，但它似乎沒有創建我正在尋找的輸出（新行和空白不完整）。有沒有簡單的方法來做到這一點？我知道一種做法是將HTML提取爲一個字符串，並對其執行幾個正則表達式來處理新行和空白。謝謝！

來源

2017-06-10 Andrew

這不會幫助嗎？ https://stackoverflow.com/questions/731649/how-can-i-convert-html-to-text-in-c – hardkoded

ML是元語言（標記數據）。 XML和HTML都是不同的元語言類型，因此您無法從XML轉換爲HTML。有時XML會嵌入到HTML文檔中，但在您的情況下，您只需使用不帶xml的html。 – jdweng

試試這個請：

var doc = XElement.Load("test.xml"); 

var sb = new StringBuilder(); 

foreach (var text in doc.DescendantNodes().Where(node => node.NodeType == XmlNodeType.Text)) 
{ 
    sb.AppendLine(((XText)text).Value); 
}

更簡潔：

foreach (var text in doc.DescendantNodes().OfType<XText>()) 
{ 
    sb.AppendLine(text.ToString()); 
}

來源

2017-06-10 15:08:35

如何在XML文檔中提取HTML的文本版本？

回答

相關問題