如何使用Agility Pack从HTML中删除注释而不会丢失DOCTYPE

Question

我试图从HTML中删除不必要的内容.具体来说,我想删除评论.我发现了一个非常好的解决方案(使用HTML Agility Pack获取元标记和注释)但是DOCTYPE被视为注释,因此随注释一起删除.如何改进下面的代码以确保保留DOCTYPE？

var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(htmlContent);
var nodes = htmlDoc.DocumentNode.SelectNodes("//comment()");
if (nodes != null)
{
    foreach (HtmlNode comment in nodes)
    {
        comment.ParentNode.RemoveChild(comment);
    }
}

Answer 1

doc.DocumentNode.Descendants()
 .Where(n => n.NodeType == HtmlAgilityPack.HtmlNodeType.Comment)
 .ToList()
 .ForEach(n => n.Remove());

这将剥离文档中的所有注释

Answer 2

检查评论是否不以 DOCTYPE

  foreach (var comment in nodes)
  {
     if (!comment.InnerText.StartsWith("DOCTYPE"))
         comment.ParentNode.RemoveChild(comment);
  }