0

我想知道这是否可能。

我有这样的html：

<p>
  <font face="Georgia">
    <b>History</b><br>&nbsp; <br>Two of the polysaccharides used in the manufacture of...</font>
    <a title="PubMed" href="http://www.www.gov/pubmed/" target="_blank">
    <font face="Georgia">) and this web site for new development by...well as Self Affirmed Medical Food GRAS status.&nbsp; 
    </font>
</p>

<p>
  <font face="Georgia">[READMORE]</font>
</p>

<p><font face="Georgia"><br><strong>Proprietary Composition</strong><br>
   <br>The method in which soluble fibres are made into... REST OF ARTICLE...
</p>

是的，它是丑陋的 html，它来自所见即所得，所以我几乎无法控制它。

我想要做的是在文档中搜索[READMORE]，删除所有父标签（在本例中为 the<font>和<p>标签）并用 readmore 链接替换它们，同时将文档的 REST 包装在一个巨大的 `...文章的其余部分...

我很确定 HtmlAgilityPack 将帮助我实现这一目标，但我只是想弄清楚从哪里开始。

到目前为止，我很确定我必须使用htmlDoc.DocumentNode.SelectSingleNode(//p[text()="[READMORE]"])或其他东西。我对 XPATH 不太熟悉。

对于我的文档，readmore 可能在嵌套标签中，也可能不在嵌套font标签中。

此外，在某些情况下，它可能根本不在标签中，而是在文档根目录中。在这种情况下，我可以进行常规搜索和替换，它应该很简单。

我的理想情况是这样的（伪代码）

var node = SelectNodeContaining("[READMORE]").

node.Replace( "link here" );

node.RestOfDocument().Wrap("<div class='wrapper'");

我知道，我在做梦……但我希望这是有道理的。

4

2 回答 2

3

这是一个 XSLT 解决方案：

<xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
 <xsl:output method="xml" omit-xml-declaration="yes" indent="yes"/>
 <xsl:strip-space elements="*"/>

 <xsl:template match="node()|@*">
  <xsl:copy>
   <xsl:apply-templates select="node()|@*"/>
  </xsl:copy>
 </xsl:template>

 <xsl:template match="p[descendant::text()[. = '[READMORE]']]">
  <a href="#ReadmoreWrapper">READMORE</a>
  <div class="wrapper" id="#ReadmoreWrapper">
   <xsl:apply-templates select="following-sibling::node()" mode="copy"/>
  </div>
 </xsl:template>

 <xsl:template match=
  "node()[ancestor::p[descendant::text()[. = '[READMORE]']]
         or
          preceding::p[descendant::text()[. = '[READMORE]']]
          ]
  "/>

  <xsl:template match="node()|@*" mode="copy">
      <xsl:copy>
       <xsl:apply-templates select="node()|@*" mode="copy"/>
      </xsl:copy>
  </xsl:template>
</xsl:stylesheet>

当此转换应用于以下 XML 文档时：

<html>
<p>
  <font face="Georgia">
    <b>History</b><br/>&#xA0; <br/>Two of the polysaccharides used in the manufacture of...</font>
    <a title="PubMed" href="http://www.www.gov/pubmed/" target="_blank"/>
    <font face="Georgia">) and this web site for new development by...well as Self Affirmed Medical Food GRAS status.&#xA0;
    </font>
</p>

<p>
  <font face="Georgia">[READMORE]</font>
</p>

<p><font face="Georgia"><br/><strong>Proprietary Composition</strong><br/>
   <br/>The method in which soluble fibres are made into... REST OF ARTICLE...
   </font>
</p>

</html>

产生了想要的结果：

<html>
    <p>
        <font face="Georgia"><b>History</b><br/>  <br/>Two of the polysaccharides used in the manufacture of...</font>
        <a title="PubMed" href="http://www.www.gov/pubmed/" target="_blank"/>
        <font face="Georgia">) and this web site for new development by...well as Self Affirmed Medical Food GRAS status. 
    </font>
    </p>
    <a href="#ReadmoreWrapper">READMORE</a>
    <div class="wrapper" id="#ReadmoreWrapper">
        <p>
            <font face="Georgia"><br/><strong>Proprietary Composition</strong><br/><br/>The method in which soluble fibres are made into... REST OF ARTICLE...
   </font>
        </p>
    </div>
</html>
于 2010-08-19T17:22:33.380 回答
0

如果我是对的，那么您可以尝试一件事……就像我们在发送自定义 html 邮件时所做的一样

  1. 使用静态内容创建 html 页面的模板。
  2. 附加动态内容的标识符，如您所说的 [ReadMore] 或 {ReadmOre} 或类似的东西。
  3. 现在逐行阅读模板 html 文件并将标识符替换为所需的文本。
  4. 现在将整个字符串保存到一个新的 html 文件或做任何你想做的事情。
于 2010-08-19T04:43:17.277 回答