节点的内部文本忽略子节点的内部文本

Question

请原谅，如果这听起来太简单，在这里问，但由于这是我第一天使用html-agility-pack，我无法整理出一种方法来选择节点的内部文本，这是节点的直接子节点，并忽略了子节点的内部文本。

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;

返回整个文本(例如，需要选择this，而不是this)。有什么建议吗？

Answer 1

可以使用/text()选项直接获取特定标签下的所有文本节点。如果您只需要第一个，则将[1]添加到其中：

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

Answer 2

如果在其子对象之前和之后都有文本，则div可能会有多个文本节点。正如我类似地指出的here，我认为获取节点的所有直接文本内容的最好方法是这样做：

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();