Парсер HTML с AngleSharp — текст в IElement

Я пишу парсер HTML с помощью AngleSharp, который должен вводить HTML следующим образом:

<p>
Paragraph Text
<a href="https://www.example com" class="external text" target="_new" rel="nofollow">Link Text</a>
Paragraph Text 2
</p>

и выводить так:

<p>
Paragraph Text
<a href="https://www.example com">Link Text</a>
Paragraph Text 2
</p>

Я написал эту рекурсивную функцию для просмотра всего документа:

using AngleSharp.Dom;
using AngleSharp.Dom.Html;
using AngleSharp.Extensions;
using AngleSharp.Parser.Html;

private void processHTMLNode(IElement node, IElement targetNode)
{
    switch (node.NodeName.ToLower())
    {
    //...
    case "a":
        if(node.HasAttribute("href") && node.GetAttribute("href").StartsWith("#"))
        {
            break;
        }
        var aNew = outputDocument.CreateElement("a");
        aNew.SetAttribute("href", node.GetAttribute("href"));
        aNew.TextContent = node.TextContent;
        targetNode.AppendChild(aNew);
        break;
    case "p":
        var pNew = outputDocument.CreateElement<IHtmlParagraphElement>();
        foreach (var childNode in node.Children)
        {
            processHTMLNode(childNode, pNew);
        }
        //TODO fix this
        pNew.TextContent = node.TextContent;
        targetNode.AppendChild(pNew);
        break;
    }
    //...
}

Проблема в том, что установка атрибута TextContent перезаписывает a-элементы, которые являются дочерними элементами p-узла. Также теряется порядок (текст -> ссылка -> текст).

Как правильно это реализовать?


html parsing c# anglesharp
person pascalpfeil    schedule 17.01.2017    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Итак, мне удалось решить мою проблему, используя следующий код:

using AngleSharp.Dom;
using AngleSharp.Dom.Html;
using AngleSharp.Extensions;
using AngleSharp.Parser.Html;

private void processHTMLNode(INode node, IElement targetElement)
{
    IElement elementNode;
    IText textNode;

    if ((elementNode = node as IElement) != null)
    {
        switch (node.NodeName.ToLower())
        {
            //...
            case "a":
                if(node.HasAttribute("href") && node.GetAttribute("href").StartsWith("#"))
                {
                    break;
                }
                var aNew = outputDocument.CreateElement("a");
                aNew.SetAttribute("href", node.GetAttribute("href"));
                foreach (var childNode in elementNode.ChildNodes)
                {
                    processHTMLNode(childNode, aNew);
                }
                targetElement.AppendChild(aNew);
                break;
            case "p":
                var pNew = outputDocument.CreateElement("p");
                foreach (var childNode in node.Children)
                {
                    processHTMLNode(childNode, pNew);
                }
                targetElement.AppendChild(pNew);
                break;
            //...
        }

    }
    else if ((textNode = node as IText) != null)
    {
        var newTextNode = outputDocument.CreateTextNode(textNode.Text);
        targetElement.AppendChild(newTextNode);
    }
}

Мне очень помогло это изображение из документации AngleSharp: AngleSharp DOM

person pascalpfeil    schedule 25.01.2017