1

我有带有嵌套元素的 html(主要是divp元素)我需要返回相同的 html,但是由给定数量的字母组成。显然字母计数不应该通过html标签来枚举,而只计算每个html元素的InnerText的字母。Html 结果应保留正确的结构 - 任何结束标记以保持有效的 html。

样本输入:

<div>
    <p>some text</p>
    <p>some more text some more text some more text some more text some more text</p>
    <div>
        <p>some more text some more text some more text some more text some more text</p>
        <p>some more text some more text some more text some more text some more text</p>
    </div>
</div>

鉴于int length = 16输出应如下所示:

<div>
    <p>some text</p> // 9 characters in the InnerText here
    <p>some mo</p> // 7 characters in the InnerText here; 9 + 7 = 16;
</div>

请注意,字母数(包括空格)为 16。<div>由于字母数已达到 variable ,因此消除了后续字母length。请注意,输出 html 仍然有效。

我已经尝试了以下方法,但这并没有真正奏效。输出不符合预期:一些 html 元素被重复。

public static string SubstringHtml(this string html, int length)
{
    HtmlDocument doc = new HtmlDocument();
    doc.LoadHtml(html);
    int totalLength = 0;
    StringBuilder output = new StringBuilder();
    foreach (var node in doc.DocumentNode.Descendants())
    {
        totalLength += node.InnerText.Length;
        if(totalLength >= length)
        {
            int difference = totalLength - length;
            string lastPiece = node.InnerText.ToString().Substring(0, difference);
            output.Append(lastPiece);
            break;
        }
        else
        {
            output.Append(node.InnerHtml);
        }
    }
    return output.ToString();
}

更新

@SergeBelov 提供了一个适用于第一个示例输入的解决方案,但是进一步的测试显示了一个输入问题,如下所示。

样本输入#2:

some more text some more text 
<div>
    <p>some text</p>
    <p>some more text some more text some more text some more text some more text</
</div>

鉴于该变量int maxLength = 7;,输出应该等于一些 mo。由于以下代码,它不能那样工作ParentNode = null

lastNode
    .Node
    .ParentNode
    .ReplaceChild(HtmlNode.CreateNode(lastNodeText.InnerText.Substring(0, lastNode.NodeLength - lastNode.TotalLength + maxLength)), lastNode.Node);

创建一个新的 HtmlNode 似乎没有帮助,因为它的 IninterText 属性是只读的。

4

1 回答 1

6

下面的小控制台程序说明了一种可能的方法,即:

  1. 选择相关的文本节点并计算它们的运行总长度;
  2. 根据需要获取尽可能多的节点,以达到超过最大长度的运行总数;
  3. 从文档中删除所有元素节点,除了我们在步骤 ##1、2 中选择的节点的祖先节点;
  4. 剪切列表最后一个节点中的文本以适合最大长度。

更新:这应该仍然适用于第一个文本节点;可能需要 aTrim()来从中删除空格,如下所示。

    static void Main(string[] args)
    {
        int maxLength = 9;
        string input = @"
            some more text some more text 
            <div>
                <p>some text</p>
                <p>some more text some more text some more text some more text some more text</
            </div>";

        var doc = new HtmlDocument();
        doc.LoadHtml(input);

        // Get text nodes with the appropriate running total
        var acc = 0;
        var nodes = doc.DocumentNode
            .Descendants()
            .Where(n => n.NodeType == HtmlNodeType.Text && n.InnerText.Trim().Length > 0)
            .Select(n => 
            {
                var length = n.InnerText.Trim().Length;
                acc += length;
                return new { Node = n, TotalLength = acc, NodeLength = length }; 
            })
            .TakeWhile(n => (n.TotalLength - n.NodeLength) < maxLength)
            .ToList();

        // Select element nodes we intend to keep
        var nodesToKeep = nodes
            .SelectMany(n => n.Node.AncestorsAndSelf()
                .Where(m => m.NodeType == HtmlNodeType.Element));

        // Select and remove element nodes we don't need
        var nodesToDrop = doc.DocumentNode
            .Descendants()
            .Where(m => m.NodeType == HtmlNodeType.Element)
            .Except(nodesToKeep)
            .ToList();

        foreach (var r in nodesToDrop)
            r.Remove();

        // Shorten the last node as required
        var lastNode = nodes.Last();
        var lastNodeText = lastNode.Node;
        var text = lastNodeText.InnerText.Trim().Substring(0,
                lastNode.NodeLength - lastNode.TotalLength + maxLength);
        lastNodeText
            .ParentNode
            .ReplaceChild(HtmlNode.CreateNode(text), lastNodeText);

        doc.Save(Console.Out);
    }
于 2012-12-10T03:50:03.927 回答