用正则彻底去除HTML\CSS\script代码

最新推荐文章于 2024-11-29 07:18:18 发布
转载 最新推荐文章于 2024-11-29 07:18:18 发布 · 256 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：http://www.cnblogs.com/xucanzhao/archive/2006/09/18/507108.html

本文介绍了一个实用的C#方法，用于去除字符串中的HTML标签及特殊字符，确保纯文本内容的准确提取。该方法利用正则表达式逐一对各种HTML元素进行过滤，包括脚本、注释、实体引用等。

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

ExpandedBlockStart.gifContractedBlock.gif/**//// <summary>
InBlock.gif/// 去除HTML标记
InBlock.gif/// </summary>
InBlock.gif/// <param name="Htmlstring">包括HTML的源码 </param>
ExpandedBlockEnd.gif/// <returns>已经去除后的文字</returns>
None.gifpublic static string NoHTML(string Htmlstring)
ExpandedBlockStart.gifContractedBlock.gifdot.gif{
InBlock.gif//删除脚本
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"<script[^>]*?>.*?</script>","",RegexOptions.IgnoreCase);
InBlock.gif//删除HTML
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"<(.[^>]*)>","",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"([\r\n])[\s]+","",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"-->","",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"<!--.*","",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"&(quot|#34);","\"",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"&(amp|#38);","&",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"&(lt|#60);","<",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"&(gt|#62);",">",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"&(nbsp|#160);"," ",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"&(iexcl|#161);","\xa1",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"&(cent|#162);","\xa2",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"&(pound|#163);","\xa3",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"&(copy|#169);","\xa9",RegexOptions.IgnoreCase);
InBlock.gifHtmlstring = Regex.Replace(Htmlstring,@"(\d+);","",RegexOptions.IgnoreCase);
InBlock.gif
InBlock.gifHtmlstring.Replace("<","");
InBlock.gifHtmlstring.Replace(">","");
InBlock.gifHtmlstring.Replace("\r\n","");
InBlock.gifHtmlstring=HttpContext.Current.Server.HtmlEncode(Htmlstring).Trim();
InBlock.gif
InBlock.gifreturn Htmlstring;
ExpandedBlockEnd.gif}
None.gif

转载于:https://www.cnblogs.com/xucanzhao/archive/2006/09/18/507108.html

bit小兵
关注
js去掉html标记,js删除html标记 去掉所有html标记
weixin_39854288的博客
06-26 568
js删除html标记 去掉所有html标记function delHtml(str){return str.replace(/]+>/g,""); //正则去掉所有的html标记}//调用测试delHtml("aaa")返回结果:aaa加上去script与style里的内容function delHtml(str){str = str.replace("]*>[\\d\\D]*?","")...
去除html代码里面的script正则
ob的专栏
09-14 4575
/** * 去除html代码里面的脚本字符（...和 * @author ob * */ public class Regex { /** * @param args */ public static void main(String[] args) { //注意，这里有大小写 String s = "aaaabbbbbbbbbcccccmm"; s = s.re
java 正则表达式 去除html中的script标签及其内容
Mr.Chen的博客
08-26 2470
一：背景 前段时间利用爬虫，爬取了网页中的数据，爬取成功后在使用时，发现爬取的html中有一段： <script language="javascript">getClickTimes(3595155,1507573501,"wbnewsfile","attach")</script> 二：编写代码 爬取的html单纯只是展示样式及文字，要求把这段代码去掉 ...
如何用正则表达式过滤html中所有script标签
jiaonizuoren的博客
04-23 7440
用正则表达式过滤html中所有Script 的方法： 1、定义正则表达式： /<script\b[^<]*(?:(?!<\/script>)<[^<]*)*<\/script>/gi2、用正则表达式处理script的方法如下： <html> <head> <!--此处引入script脚本用于测试开始--> &lt...
JSP中混杂HTML、JS、CSS删除各种代码注释
buptisc_txy的专栏
05-07 9406
1.1 背景 前端页面往往混杂着JSP、HMTL、JS、CSS代码。这些代码都有着并不一致的注释方式。对于JSP和JS而言，其往往采用C语言是注释方式，如： 1 单行注释。插入单行注释的符号是“//”，举例如下： //********* Code; 2 多行注释。多行注释以"/*"开始，以"*/"结束，举例如下： /* ----------------- */ Code
C#使用正则表达式过滤html标签
09-01
在实际项目中，更推荐使用HTML解析库（如AngleSharp、HtmlAgilityPack等）来处理HTML，因为它们可以更准确地解析和操作HTML文档结构。 总的来说，这个C#方法提供了一个基础的解决方案，用于将HTML转换为纯文本。...
Python使用正则表达式去除(过滤)HTML标签提取文字功能
10-16
本篇文章主要探讨了如何利用正则表达式去除HTML标签并提取文本内容。这在数据清洗、网页抓取等领域非常常见，因为原始HTML源码中通常包含了大量格式化标签，而我们可能只关心纯文本信息。 首先，我们需要导入Python...
php正则去除网页中所有的html,js,css,注释的实现方法
10-21
接下来，我们将详细介绍如何使用PHP正则表达式去除网页中的HTML、JavaScript、CSS和注释。 首先，需要了解什么是正则表达式。正则表达式（Regular Expression）是一种文本模式，包括普通字符（例如，字母和数字）和...
Java使用正则表达式删除所有HTML标签的方法示例
08-30
例如，`<script>`和`<style>`标签用于插入JavaScript代码和CSS样式，而`<html>`标签则标志着整个HTML文档的开始。为了匹配这些标签，我们可以编写相应的正则表达式。 1. **删除`<script>`和`<style>`标签**： `...
使用正则表达式去除html标签
weixin_30672295的博客
09-18 138
不知道大家遇到这话总情况没有,从数据库读取数据,数据参杂着html标记<p>等,在显式的时候控制字符个数,这个时候就会出现页面样式串行,使用正则表达式去除html标记就不会有还这个问题. 需要引用:System.Text.RegularExpressions /// <summary> /// 去除HTML标记 /// &...
PHP用正则把HTML中的js脚本过滤掉
最新发布
sheji888的专栏
11-29 758
要在PHP中使用正则表达式从HTML中过滤掉JavaScript脚本标签，你可以使用函数。以下是一个示例代码，展示了如何使用正则表达式来移除HTML中的
用正则删掉＜style＞＜/style＞＜script＞＜/script＞标签及其内容
漫天随飞雪的博客
05-08 1266
function trimHtml(html) { return html .replace(/<!--.*?-->/gi, '') .replace(/\/\*.*?\*\//gi, '') .replace(/[ ]+</gi, '<') // .replace(/<script[^]*<\/script>/gi, '') .replace(/<script>[\s\S]*?<\/script>...
正则去除行内css样式
code_game_的博客
10-15 1023
去除行内所有的css样式： 后台获取到的 html(string)难免会携带有行内css，这种行内样式甚是麻烦不如去掉重写 let dom="<div style="width:500px;height:100px;background-color:#000000;">你说啥，我木听清</div>" let reg = /style\s*?=\s*?(['"])[\s\S]*?\1/g; console.log(dom.replace(reg,'')); &lt
过滤HTML
weixin_34088598的博客
10-10 243
public static string NoHTML(string Htmlstring) //去除HTML标记 { //删除脚本 Htmlstring = Regex.Replace(Htmlstring, @"<script[^>]*?>.*?</script>", "", RegexOptions.I...
正则表达式去除html中的style样式
热门推荐
weixin_34174422的博客
01-17 1万+
2019独角兽企业重金招聘Python工程师标准>>> ...
PHP去除JS、CSS与HTML代码示例及正则表达式
</script>’si”`: 此正则匹配并移除所有`<script>`标签及其内部的JavaScript代码。 2. `“‘[^>]*?>.*?’si”`: 用于移除`<style>`标签内的CSS代码。 3. `“‘<[/!]*?[^]*?>’si”`: 移除HTML标记，包括自关闭和非...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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