如何在C＃中以最快的方式检索HTMLDocument的所有文本节点？

我需要在HTMLDocument的所有文本节点上执行一些逻辑。 这就是我目前这样做的方式：

HTMLDocument pageContent = (HTMLDocument)_webBrowser2.Document; IHTMLElementCollection myCol = pageContent.all; foreach (IHTMLDOMNode myElement in myCol) { foreach (IHTMLDOMNode child in (IHTMLDOMChildrenCollection)myElement.childNodes) { if (child.nodeType == 3) { //Do something with textnode! } } } 

由于myCol中的某些元素也有子元素，它们本身也在myCol中，因此我不止一次访问某些节点！ 必须有更好的方法来做到这一点？

Answer 1

最好在递归函数中迭代childNodes（直接后代），从顶层开始，类似于：

 HtmlElementCollection collection = pageContent.GetElementsByTagName("HTML"); IHTMLDOMNode htmlNode = (IHTMLDOMNode)collection[0]; ProcessChildNodes(htmlNode); private void ProcessChildNodes(IHTMLDOMNode node) { foreach (IHTMLDOMNode childNode in node.childNodes) { if (childNode.nodeType == 3) { // ... } ProcessChildNodes(childNode); } } 

Answer 2

您可以使用HTML Agility Pack中的 XPath一次访问所有文本节点。

我认为这将如图所示，但没有尝试过。

 using HtmlAgilityPack; HtmlDocument htmlDoc = new HtmlDocument(); // filePath is a path to a file containing the html htmlDoc.Load(filePath); HtmlNodeCollection coll = htmlDoc.DocumentNode.SelectNodes("//text()"); foreach (HTMLNode node in coll) { // do the work for a text node here }