c# - 如何用有效的 html 替换换行符，但不是在 html 元素中

Question

我有一些纯文本，其中包含这样的换行符：

Dear Person,\r\nHello and welcome to this example.\r\nTodo: <ul><li>item 1</li>\r\n<li>item 2</li>\r\nThanks.

我想使用 HtmlAgility 包（如果需要）来清理 Html 并用 BR 替换新的换行符，除非它们已经在 HTML 标记中（请参阅 UL 标记中的 LI）

我可以使用 regx 轻松替换 BR，或者text.Replace(Environment.NewLine, "<br/>")如何排除它在标签中的情况？

谢谢。

Answer 1

看来您只需要处理顶级 HTML 文本节点（文本节点没有子节点）：

var html = "Dear Person,\r\nHello and welcome to this example.\r\nTodo: <ul><li>item 1</li>\r\n<li>item 2</li>\r\nThanks.";
var doc = new HtmlDocument();
doc.LoadHtml(html);
var textNodes = doc.DocumentNode.ChildNodes
    .OfType<HtmlTextNode>()
    .ToList();

foreach (var node in textNodes)
    node.Text = node.Text.Replace(Environment.NewLine, "<br />");

这将产生如下内容：

Dear Person,<br />Hello and welcome to this example.<br />Todo: <ul><li>item 1</li>\r\n<li>item 2</li>\r\nThanks.</ul>

Answer 2

String sentence = "Dear Person,\r\nHello and welcome to this example.\r\nTodo: <ul><li>item 1\r\nitem 2</li>\r\n<li>item 3</li>\r\nThanks.";
String[] splits = Regex.Split(sentence, @"(<li>[^<]+</li>)");

for (Int32 i = 0; i < splits.Length; ++i)
{
    if (!splits[i].StartsWith("<li>"))
        splits[i] = splits[i].Replace("\r\n", "<br/>");
}

sentence = String.Join("", splits);

此外，不要使用 Environment.NewLine，因为它可能会有所不同，而您的字符串换行符将始终为“\r\n”。