從Xml文檔中刪除jQuery和CSS

Question

我使用sgmlreader將HTML轉換爲XML。輸出進入一個XmlDocument對象，然後我可以使用InnerText方法從網站中提取純文本。我試圖通過刪除任何javascript來讓文本看起來儘可能乾淨。通過xml循環並刪除任何<script type="text/javascript">很容易，但是當任何jquery或樣式沒有封裝在任何標籤中時，我碰到了一堵磚牆。有人可以幫我嗎？

示例代碼：

步驟一： 一旦我使用WebClient類下載HTML，我救它，然後打開與文本閱讀類的文件。

第二步： 創建sgmlreader類和輸入流設置爲文本閱讀器：

// setup SGMLReader 
      Sgml.SgmlReader sgmlReader = new Sgml.SgmlReader(); 
      sgmlReader.DocType = "HTML"; 
      sgmlReader.WhitespaceHandling = WhitespaceHandling.All; 
      sgmlReader.CaseFolding = Sgml.CaseFolding.ToLower; 
      sgmlReader.InputStream = reader; 

      // create document 
      doc = new XmlDocument(); 
      doc.PreserveWhitespace = true; 
      doc.XmlResolver = null; 
      doc.Load(sgmlReader); 

步驟三： 一旦我有一個XmlDocument的，我用的是doc.InnerText讓我的純文本。

第四步： 我可以輕鬆去除JavaScript代碼如下所示：

XmlNodeList nodes = document.GetElementsByTagName("text/javascript"); 

       for (int i = nodes.Count - 1; i >= 0; i--) 
       { 
        nodes[i].ParentNode.RemoveChild(nodes[i]); 
       } 

有些東西還是滑過。下面是一個特定的網站輸出示例我正在寫作：

Criminal and Civil Enforcement | Fraud | Office of Inspector General | U.S. Department of Health and Human Services 



#fancybox-right { 
right:-20px; 
} 
#fancybox-left { 
left:-20px; 
} 
#fancybox-right:hover span, #fancybox-right span 
#fancybox-right:hover span, #fancybox-right span { 
left:auto; 
right:0; 
} 
#fancybox-left:hover span, #fancybox-left span 
#fancybox-left:hover span, #fancybox-left span { 
right:auto; 
left:0; 
} 
#fancybox-overlay { 
/* background: url('/connections/images/wc-overlay.png'); */ 
/* background: url('/connections/images/banner.png') center center no-repeat; */ 
} 





$(document).ready(function(){ 

$("a[rel=photo-show]").fancybox({ 
'titlePosition' : 'over', 
'overlayColor' : '#000', 
'overlayOpacity' : 0.9 
}); 

$(".title-under").fancybox({ 
'titlePosition' : 'outside', 
'overlayColor' : '#000', 
'overlayOpacity' : 0.9 
}) 

}); 

需要刪除jquery和樣式。

最新問題

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.

 相關問題

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.