使用InnerText时,阻止HTMLAgilityPack连接单词

Question

我正在尝试从HTML文档中获取文本的简单任务.所以我正在使用HTMLdoc.DocumentNode.InnerText.问题是,在某些网站上,当它们位于不同的标签中时,不要在单词之间放置空格.在这些情况下,DocumentNode.InnerText将这些单词连接成一个,它就变得毫无用处.

例如,我正在尝试阅读包含该行的网站

<span>?stanbul</span><ul><li><a href="i1.htm">Adana</a></li>

我得到了"İstanbulAdana",这是毫无意义的.

我在HTMLAgilityPack文档和Google上找不到任何解决方案

我错过了什么吗？

谢谢,

Answer 1

这应该很容易做到.

const string html = @"<span>?stanbul</span><ul><li><a href=""i1.htm"">Adana</a></li>";
var doc = new HtmlDocument();
doc.LoadHtml(html);
string result = string.Join(" ", doc.DocumentNode.Descendants()
  .Where(n => !n.HasChildNodes && !string.IsNullOrWhiteSpace(n.InnerText))
  .Select(n => n.InnerText));
Console.WriteLine(result); // prints "?stanbul Adana"