如何获得XML 中的元素值？

Question

XDocument coordinates = XDocument.Load("http://feeds.feedburner.com/TechCrunch");
System.IO.StreamWriter StreamWriter1 = new System.IO.StreamWriter(DestFile);
XNamespace nsContent = "http://purl.org/rss/1.0/modules/content/";
foreach (var item in coordinates.Descendants("item"))
{
   string link = item.Element("guid").Value;
   string content = item.Element(nsContent + "encoded").Value; //It gets all links, images etc 
}

StreamWriter1.Close();

使用这个我可以获取 guid 元素值以及 content:encoded 值，但 content:encoded 元素的值获取所有链接、标签，

标签等。

但我只想要文本...意味着我只需要简单文本数据，不需要获取任何img链接、链接等。

我如何解析XML 中的

..

标记数据？ 请建议 谢谢

Answer 1

识别内容字符串后，您将有几个不同的选项：

1. 使用正则表达式来隔离和删除标记内的任何内容。这将从文本中删除所有标签，并且（理论上）只留下您感兴趣的文本。
2. 解析文本本身并构造文本输出。我在这个 powershell 脚本中做了类似的事情（https://github.com/blob/master/GetTextFromHtml.ps1" rel="nofollow"> com/joelmartinez/PowerShell-Bits/blob/master/GetTextFromHtml.ps1）。我使用 HtmlAgilityPack 将一些 HTML 加载到 dom 中，然后遍历 dom 树以提取文本节点。

Answer 2

嗯，您已将 HTML 嵌入到该 XML 文档中。最安全的做法是获取该 HTML 并使用 HTML 解析器（例如 HTML Agility Pack）对其进行解析然后从那里开始。应该没有那么大的不同。请注意，HTML 仍然进行了一些编码，因此您必须先对其进行解码。

const string url = "http://feeds.feedburner.com/TechCrunch";
var doc = XDocument.Load(url);
var items = doc.Descendants("item");
XNamespace nsContent = "http://purl.org/rss/1.0/modules/content/";
foreach (var item in items)
{
    var encodedContent = (string)item.Element(nsContent + "encoded");
    var decodedContent = System.Net.WebUtility.HtmlDecode(encodedContent);
    var html = new HtmlDocument();
    html.LoadHtml(decodedContent);
    var ps = html.DocumentNode.Descendants("p");
    foreach (var p in ps)
    {
        var textContent = p.InnerText;
        // do something with textContent
    }
}

不幸的是，HTML 似乎不是格式良好的 XML，因此您无法将 LINQ to XML 与该部分一起使用。

Answer 3

使用 xpath，类似于：

//p

这应该可以完成 xpath 查询。 这是您正在使用的库的链接。