过滤字符串中的html标记

去除HTML标记的C#方法

最新推荐文章于 2022-11-04 11:03:07 发布

原创最新推荐文章于 2022-11-04 11:03:07 发布 · 858 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#html #string #平台 #class #脚本 #c#

.NET&C#学习笔记专栏收录该内容

14 篇文章

订阅专栏

本文介绍了一种使用C#语言去除HTML源码中的标签和特殊字符的方法。该方法利用正则表达式来清理HTML内容，确保最终返回纯文本信息。通过多个正则表达式匹配并替换HTML标签及实体，实现高效的文字提取。

/// <summary> /// 去除HTML标记 /// </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) { //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, @"</script>", @"<(///s*)?!?((/w+:)?/w+)(/w+(/s*=?/s*(([""'])(//[" "'tbnr]|[^/7])*?/7|/w+)|.{0})|/s)*?(///s*)?>", @"([/r/n])[/s]+", @ "&(quot|#34);", @"&(amp|#38);", @"&(lt|#60);", @"&(gt|#62);", @ "&(nbsp|#160);", @"&(iexcl|#161);", @"&(cent|#162);", @"&(pound|#163);", @"&(copy|#169);", @"&#(/d+);", @"-->", @"