c# - 如何使用 HTML Agility Pack 删除部分（或全部）HTML 元素和/或属性？

Question

使用HTML Agility Pack，如何从 HTML 块中删除所有 HTML 属性、元素等，结果就像我将其粘贴到记事本中一样？

此外，我需要删除所有格式，但我需要保留 UL/LI 和 B 标签。

Answer 1

将 html 输入到一个 HtmlDocument 实例中，可以得到 DocumentNode 属性返回的 HtmlNode，并从那里得到文档节点的 InnerText 属性。它将为您提供去除 HTML 标记的所有文本。

如果您只想在过滤中包含特定的节点子集，那么这将更加困难。

首先，您将内容加载到 HtmlDocument 实例中并获取 DocumentNode 属性返回的 HtmlNode 实例（我将在本文档中将此节点称为根节点）。

同时，您还将创建第二个 HtmlDocument 实例，该实例将包含您正在创建的新文档。

在第一个文档中，您将递归地遍历根节点（注意，它不一定是实际的递归方法，但在语义上它将是递归行为），分析节点及其所有子节点。

如果节点本身是您认可的节点之一，那么您将开始构建该节点的新实例。

但是，如果不是，您仍然会处理元素的子节点，获取文本节点内容（因为文本本身就是一个节点）并将其附加到堆栈上的任何当前节点（如果有的话）。