c# - 使用 C# 在 HTML 文档中获取文本周围的标签

Question

我想在 HTML 文件中搜索某个字符串，然后提取标签。鉴于：

<div_outer><div_inner>Happy birthday<div><div>

我想在 HTML 中搜索“生日快乐”，然后有一个函数返回某种标签结构：这是最里面的标签，这是那个标签之外的标签，等等。所以，<div_inner></div>然后<div_outer></div>。

有任何想法吗？我正在考虑 HTMLAgilityPack，但我无法弄清楚如何去做。

一如既往地感谢，伙计们。

Answer 1

HAP 确实是一个很好的地方。

您可以使用 a 的OuterHtmlandParent属性Node来获取封闭元素和标记。

Answer 2

您可以为此使用 xpath。我使用//*[text()='Happy birthday'][1]/ancestor-or-self::*表达式找到文本内容为的第一个（为简单起见）节点Happy birthday，然后返回该节点的所有祖先（父、祖父等）和节点本身：

var doc = new HtmlDocument();
doc.LoadHtml("<div_outer><div_inner>Happy birthday<div><div>");

var ancestors = doc.DocumentNode
    .SelectNodes("//*[text()='Happy birthday'][1]/ancestor-or-self::*")
    .Reverse()
    .ToList();

好像返回的节点的顺序就是文档中找到的节点的顺序，所以我用Enumerable.Reverse方法倒过来了。

这将返回 2 个节点：div_inner和div_outer。