使用HtmlAgilityPack提取节点自身文本排除子节点InnerText的方法

实现方案 #

在HtmlAgilityPack中，元素的ChildNodes属性包含了所有直接子节点，你只需要筛选出其中类型为HtmlNodeType.Text的节点拼接内容，即可拿到p节点自身的文本，不会包含span等子元素的内部内容。

完整代码示例

using HtmlAgilityPack;
using System.Linq;

// 加载HTML内容
string htmlContent = @"<p class=""MyClass"">
<span>Value:</span>
12345
</p>";
HtmlDocument htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(htmlContent);

// 定位到目标p节点
HtmlNode targetP = htmlDoc.DocumentNode.SelectSingleNode("//p[@class='MyClass']");

// 提取p节点自身的文本内容，去除首尾空白
string pOwnText = string.Join("", 
    targetP.ChildNodes
        .Where(node => node.NodeType == HtmlNodeType.Text)
        .Select(node => node.InnerText)
    ).Trim();

// 输出结果：12345
Console.WriteLine(pOwnText);

补充说明

• 如果p节点下有多处分散的直接文本段，该方法会按顺序拼接所有文本，不会遗漏也不会引入子元素内部内容
• 末尾的Trim()可根据需求决定是否保留，用于清除文本前后的换行、空格等空白字符

内容的提问来源于stack exchange，提问作者AlessandroF