去除HTML标记 修改p标签为br,修改br为br,保留img标签

本文分享了一段用于去除HTML标记的C#代码,该代码可以将p标签转换为br,保留img标签,并移除脚本和HTML标签,适用于从网页中提取纯文本的应用场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

贴上代码,自己看

网络上找的,自己做过一点修改,还是蛮不错的。

View Code
///<summary>   
/// 去除HTML标记 修改p标签为br,修改br为br,保留img标签
///</summary>
///<param name="NoHTML">包括HTML的源码 </param>
///<returns>已经去除后的文字</returns>
public static string NoHTML(string Htmlstring)
{


string[] img = GetIMG(Htmlstring);
for (int i = 0; i < img.Length; i++)
{
if (img[i] == null)
break;
Htmlstring=Htmlstring.Replace(img[i], "img无敌"+i);
}
Htmlstring = Htmlstring.Replace("</P>", "1234a3211");
Htmlstring = Htmlstring.Replace("</p>", "1234a3211");
Htmlstring = Htmlstring.Replace("<br/>", "1234a3211");
//删除脚本
Htmlstring = Regex.Replace(Htmlstring, @"<script[^>]*?>.*?</script>", "", RegexOptions.IgnoreCase);
//删除HTML
Htmlstring = Regex.Replace(Htmlstring, @"<(.[^>]*)>", "", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"([\r\n])[\s]+", "", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"-->", "", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"<!--.*", "", RegexOptions.IgnoreCase);

Htmlstring = Regex.Replace(Htmlstring, @"&(quot|#34);", "\"", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(amp|#38);", "&", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(lt|#60);", "<", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(gt|#62);", ">", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(nbsp|#160);", "", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(iexcl|#161);", "\xa1", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(cent|#162);", "\xa2", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(pound|#163);", "\xa3", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(copy|#169);", "\xa9", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&#(\d+);", "", RegexOptions.IgnoreCase);

Htmlstring.Replace("<", "");
Htmlstring.Replace(">", "");
Htmlstring.Replace("\r\n", "");
Htmlstring = Htmlstring.Replace("1234a3211", "<br/>");

for (int i = 0; i < img.Length; i++)
{
if (img[i] == null)
break;
Htmlstring = Htmlstring.Replace("img无敌" + i, img[i]);
}

return Htmlstring;
}

转载于:https://www.cnblogs.com/zhoudemo/archive/2012/01/16/2323252.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值