C# 如何解析HTML以修改所有单词_C#_Html

C# 如何解析HTML以修改所有单词

c# html

C# 如何解析HTML以修改所有单词,c#,html,C#,Html,这似乎是一个反复出现的问题，但问题来了我有格式良好的HTML（它来自受控源代码，因此可以将其视为给定的）。我需要遍历HTML主体的内容，查找文档中的所有单词，对这些单词执行一些编辑，并保存结果例如，我有一个文件sample.html，我想通过我的应用程序和product output.html运行它，它与原始文件完全相同，再加上我的编辑我使用HTMLAgilityPack找到了以下内容，但我找到的所有示例都是针对指定标记的属性的——是否有一个简单的修改可以查看内容并执行编辑 HtmlDoc

这似乎是一个反复出现的问题，但问题来了

我有格式良好的HTML（它来自受控源代码，因此可以将其视为给定的）。我需要遍历HTML主体的内容，查找文档中的所有单词，对这些单词执行一些编辑，并保存结果

例如，我有一个文件sample.html，我想通过我的应用程序和product output.html运行它，它与原始文件完全相同，再加上我的编辑

我使用HTMLAgilityPack找到了以下内容，但我找到的所有示例都是针对指定标记的属性的——是否有一个简单的修改可以查看内容并执行编辑

HtmlDocument HD = new HtmlDocument();
HD.Load (@"e:\test.htm");
var NoAltElements = HD.DocumentNode.SelectNodes("//img[not(@alt)]");
if (NoAltElements != null)
{
    foreach (HtmlNode HN in NoAltElements)
    {
       HN.Attributes.Append("alt", "no alt image");
    }
}

HD.Save(@"e:\test.htm");

上面查找没有ALT标记的图像标记。我想在文件的

中查找所有标记，并对内容做一些处理（这可能涉及在此过程中创建新标记）

我可能会做的一个非常简单的示例是获取以下输入：

<html>
    <head><title>Some Title</title></head>
    <body>
        <h1>This is my page</h1>
        <p>This is a paragraph of text.</p>
    </body>
</html>


一些头衔
这是我的页面
这是一段文字

并生成输出，它接受每个单词，并在大写和斜体之间交替：

<html>
    <head><title>Some Title</title></head>
    <body>
        <h1>THIS <em>is</em> MY <em>page</em></h1>
        <p>THIS <em>is</em> A <em>paragraph</em> OF <em>text</em>.</p>
    </body>
</html>


一些头衔
这是我的页面
这是一段文字

想法、建议？

试试

。选择节点（“///body//*”）

。这将使您获得任何

主体元素中任何深度的所有元素。
就我个人而言，在这种设置下，我将使用HtmlNode的InnerText属性查找单词（可能使用Regex，这样我就可以排除标点符号，而不只是依赖空格）然后使用InnerHtml属性使用对Regex.Replace的迭代调用进行更改（因为Regex.Replace有一个方法，允许您指定开始位置和替换次数）
处理代码：
IEnumerable<HtmlNode> nodes = doc.DocumentNode.DescendantNodes().Where(n => n.InnerText == "something");
foreach (HtmlNode node in nodes)
{
    string[] words = getWords(node.InnerText);

    node.InnerHtml = processHtml(node.InnerHtml, words);
}

我将把alterWord（）的详细信息留给您。：） 但是，我如何迭代该标记的内容，才能解析出不是标记的每个单词呢？在这一点上，您几乎必须依赖于将元素的内容作为字符串处理，可能使用正则表达式。谢谢，我想这正是我要找的！
private string[] getWords(string text)
{
    Regex reg = new Regex("/w+");
    MatchCollection matches = reg.Matches(text);
    List<string> words = new List<string>();
    foreach (Match match in matches)
    {
        words.Add(match.Value);
    }
    return words.ToArray();
}

private string processHtml(string html, string[] words)
{
    int startPosition = 0;
    foreach (string word in words)
    {
        startPosition = html.IndexOf(word, startPosition);
        Regex reg = new Regex(word);
        html = reg.Replace(html, alterWord(word), 1, startPosition);
    }

    return html;
}