Removendo todas as tags html com o Html Agility Pack

Question

Jun 29, 2010, 03:11 PM

Removendo todas as tags html com o Html Agility Pack

Eu tenho uma string html como esta:

<html><body><p>foo <a href='http://www.example.com'>bar</a> baz</p></body></html>

Desejo remover todas as tags html para que a string resultante se torne:

foo bar baz

Em outro post aqui no SO, eu vim com essa função (que usa o Html Agility Pack):

  Public Shared Function stripTags(ByVal html As String) As String
    Dim plain As String = String.Empty
    Dim htmldoc As New HtmlAgilityPack.HtmlDocument

    htmldoc.LoadHtml(html)
    Dim invalidNodes As HtmlAgilityPack.HtmlNodeCollection = htmldoc.DocumentNode.SelectNodes("//html|//body|//p|//a")

    If Not htmldoc Is Nothing Then
      For Each node In invalidNodes
        node.ParentNode.RemoveChild(node, True)
      Next
    End If

    Return htmldoc.DocumentNode.WriteContentTo
  End Function

Infelizmente, isso não retorna o que eu esperava, mas fornece:

bazbarfoo

Por favor, onde errei - e essa é a melhor abordagem?

Cumprimentos e feliz codificação!

UPDATE: pela resposta abaixo, eu vim com essa função, pode ser útil para outras pessoas:

  Public Shared Function stripTags(ByVal html As String) As String
    Dim htmldoc As New HtmlAgilityPack.HtmlDocument
    htmldoc.LoadHtml(html.Replace("</p>", "</p>" & New String(Environment.NewLine, 2)).Replace("<br/>", Environment.NewLine))
    Return htmldoc.DocumentNode.InnerText
  End Function

leaveComments