c# - 节点的内部文本忽略子级的内部文本

Question

如果这听起来太简单以至于在这里被问到，请原谅我，但由于这是我使用 html-agility-pack 的第一天，我无法找到一种方法来选择节点的内部文本，它是节点的直接子节点并忽略子节点的内部文本。

例如

<div id="div1">
   <div class="h1"> this needs to be selected
   <small> and not this</small>
   </div>
</div>

目前我正在尝试这个

HtmlDocument page = new HtmlWeb().Load(url);
var s = page.DocumentNode.SelectSingleNode("//div[@id='div1']//div[@class='h1']");
string selText = s.innerText;

它返回整个文本（例如，需要选择这个而不是这个）。有什么建议么？？

Answer 1

如果在其div子项之前和之后有文本，则可能有多个文本节点。正如我在这里同样指出的那样，我认为获取节点的所有直接文本内容的最佳方法是执行以下操作：

HtmlDocument page = new HtmlWeb().Load(url);
var nodes = page.DocumentNode.SelectNodes("//div[@id='div1']//div[@class='h1']/text()");

StringBuilder sb  = new StringBuilder();
foreach(var node in nodes)
{
   sb.Append(node.InnerText);
}

string content = sb.ToString();

Answer 2

您可以使用该/text()选项直接获取特定标记下的所有文本节点。如果您只需要第一个，请添加[1]：

page.LoadHtml(text);
var s = page.DocumentNode.SelectSingleNode("//div[@id='div1']//div[@class='h1']/text()[1]");
string selText = s.InnerText;