4

Em meu projeto preciso ler o o conteudo de um arquivo HTML como dito nessa minha pergunta. O que acontece é que consigo varrer o arquivo, mas tem um comentário que eu queria tirar.

A peculiaridade é que esse comentário é sempre mutável, então como que eu posso fazer com que o c# retire todo o trecho de código que aparece ?

O comentário que aparece é esse aqui:

<!-- saved from url=(0103)https://sistema.registrocivil.org.br/buscas/certidoes2aViaGerarXmlBusca.cfm?pedido_certidao_id= -->

Existe alguma maneira de eu tirar esses elementos de comentário do HTML(<!---->) e tudo que está dentro desse elemento ? Pois como ele é sempre mutável, não dá pra usar o Replace e tirar.

Será que alguém pode me ajudar ?

2 Respostas 2

4

Pode remover os comentários utilizando Regex, da seguinte maneira:

string semComentarios = Regex.Replace(stringHtml, @"<!--(.*?)-->", String.Empty);

Veja um exemplo funcionando nesse fiddle.

7
  • Isso mesmo, essa é a melhor solução para o prolema. Commented 14/07/2015 às 22:12
  • Assim não captura comentários multi-line. Tens que usar RegexOptions.Singleline para tratar o input stringHtml como se fosse uma única linha.
    – dcastro
    Commented 14/07/2015 às 23:44
  • @MarcusVinicius só um adendo, teria como usar uma regex para retirar as tags do HTML, tipo <html>,</body>, deixando o conteudo do XML lá intacto ? Commented 15/07/2015 às 11:14
  • Apesar do comentário estar direcionado ao Marcus, eu digo que dá sim. Só seguir o modelo do Marcus. Regex é simples, não tem complicação. Você vai substituir o que está na expressão, por outra que no caso da do Marcus é uma string.Empty, ou seja, vazia. Aí é só usar a imaginação que você vai longe. Good code.
    – pnet
    Commented 15/07/2015 às 12:40
  • 1
    É melhor abrir outra pergunta, senão os caras vão bloquear a pergunta, já que essa é mais direta, ou seja, tags HTML e BODY. Vai por mim, abra outra específica. Aqui, é melhor abrir várias perguntas do que tentar emendar uma, aí os downvotes vão correr soltos até o bloqueio da pergunta. Até porque você já encerrou e muita gente não visualiza perguntas com respostas já encerradas.
    – pnet
    Commented 15/07/2015 às 12:54
2

Faça o seguinte :

    int indexIni = 0;
    int indexFim = 0;
    string html = @"<div> dfklçbndflçbndfblçdfnmblçdfmblçdfmblçdmfblçdfbmç<!-- saved from url=(0103)https://sistema.registrocivil.org.br/buscas/certidoes2aViaGerarXmlBusca.cfm?pedido_certidao_id=21716443 --></div>";

    Console.Write(html);

    indexIni = html.IndexOf("<!--");

    indexFim = html.IndexOf("-->");

    if (indexIni != -1 && indexFim != -1)
    {
        html = html.Remove(indexIni, Math.Abs(indexIni - (indexFim + 3)));
    }

    Console.Write(html);
6
  • Qualquer duvida na aplicação da solução estou a disposição. Commented 14/07/2015 às 21:44
  • Caso ele use tags do asp.net, os comentários seriam @**@ e o exemplo do Luã não iria contemplar isso. Acho que por regex seria mais viável, não que o Luã esteja errado, de maneira nenhuma, é só que eu teria que definir mais variável e por regex, basta eu acrescentar na expressão o que eu quero remover. Só uma dica.
    – pnet
    Commented 14/07/2015 às 21:57
  • Sem problemas @pnet, infelizmente meus conhecimento de "regex" são bem limitados por isso não mostro uma solução desse tipo. Mas realmente seria uma solução melhor. Commented 14/07/2015 às 22:07
  • Não Luã, não foi isso, apenas quis dizer que se o cara tiver outra string de comentário, terá sempre que criar uma nova variável, mas a sua solução está ok, só quis que ele levasse em consideração isso.
    – pnet
    Commented 14/07/2015 às 22:23
  • Não tranquilo, não levei a mal seu comentário realmente seria uma solução melhor. Criticas construtivas são sempre bem vindas. É nois. Commented 14/07/2015 às 22:25

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .