C#将内容附带的html标签去掉转成纯文本方法

最新推荐文章于 2025-01-23 09:50:28 发布

wangliuran

最新推荐文章于 2025-01-23 09:50:28 发布

阅读量4.6k

点赞数 3

分类专栏： C# 文章标签： html标签过滤 C#

C# 专栏收录该内容

3 篇文章

订阅专栏

本文介绍了一个用于净化HTML内容的程序，该程序通过正则表达式移除潜在有害的脚本标签、iframe等元素，并清理了部分HTML标签如style、script等，确保网页内容的安全性和简洁性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

  public string xxHTML(string html)
    {

        html = html.Replace("(<style)+[^<>]*>[^\0]*(</style>)+", "");
        html = html.Replace(@"\<img[^\>] \>", "");
        html = html.Replace(@"<p>", "");
        html = html.Replace(@"</p>", "");


        System.Text.RegularExpressions.Regex regex0 =
        new System.Text.RegularExpressions.Regex("(<style)+[^<>]*>[^\0]*(</style>)+", System.Text.RegularExpressions.RegexOptions.Multiline);
        System.Text.RegularExpressions.Regex regex1 = new System.Text.RegularExpressions.Regex(@"<script[\s\S] </script *>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
        System.Text.RegularExpressions.Regex regex2 = new System.Text.RegularExpressions.Regex(@" href *= *[\s\S]*script *:", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
        System.Text.RegularExpressions.Regex regex3 = new System.Text.RegularExpressions.Regex(@" on[\s\S]*=", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
        System.Text.RegularExpressions.Regex regex4 = new System.Text.RegularExpressions.Regex(@"<iframe[\s\S] </iframe *>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
        System.Text.RegularExpressions.Regex regex5 = new System.Text.RegularExpressions.Regex(@"<frameset[\s\S] </frameset *>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
        System.Text.RegularExpressions.Regex regex6 = new System.Text.RegularExpressions.Regex(@"\<img[^\>] \>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
        System.Text.RegularExpressions.Regex regex7 = new System.Text.RegularExpressions.Regex(@"</p>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
        System.Text.RegularExpressions.Regex regex8 = new System.Text.RegularExpressions.Regex(@"<p>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
        System.Text.RegularExpressions.Regex regex9 = new System.Text.RegularExpressions.Regex(@"<[^>]*>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
        html = regex1.Replace(html, ""); //过滤<script></script>标记
        html = regex2.Replace(html, ""); //过滤href=javascript: (<A>) 属性 
        html = regex0.Replace(html, ""); //过滤href=javascript: (<A>) 属性 


        //html = regex10.Replace(html, "");
        html = regex3.Replace(html, "");// _disibledevent="); //过滤其它控件的on...事件
        html = regex4.Replace(html, ""); //过滤iframe
        html = regex5.Replace(html, ""); //过滤frameset
        html = regex6.Replace(html, ""); //过滤frameset
        html = regex7.Replace(html, ""); //过滤frameset
        html = regex8.Replace(html, ""); //过滤frameset
        html = regex9.Replace(html, "");
        //html = html.Replace(" ", "");
        html = html.Replace("</strong>", "");
        html = html.Replace("<strong>", "");
        html = html.Replace(" ", "");
        return html;
    }