本文介绍了一个使用C#编写的函数，该函数可以有效地从HTML源码中提取纯文本内容，通过正则表达式匹配并替换HTML标签，适用于需要清理HTML内容的应用场景。
///提取HTML代码中文字的C#函数
///
/// 去除HTML标记
///
/// 包括HTML的源码
/// 已经去除后的文字
using System;
using System.Text.RegularExpressions;
public class StripHTMLTest{
public static void Main(){
string s=StripHTML("中国石龙信息平台
faddfs龙信息平台");
Console.WriteLine(s);
}
public static string StripHTML(string strHtml){
string [] aryReg ={
@"]*?>.*?",
@"<(///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+);",
@"-->",
@"
///
/// 去除HTML标记
///
/// 包括HTML的源码
/// 已经去除后的文字
using System;
using System.Text.RegularExpressions;
public class StripHTMLTest{
public static void Main(){
string s=StripHTML("
Console.WriteLine(s);
}
public static string StripHTML(string strHtml){
string [] aryReg ={
@"]*?>.*?",
@"<(///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+);",
@"-->",
@"
扫一扫
328
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
