HTML转TXT

最新推荐文章于 2025-07-06 09:39:11 发布

weixin_30882895

最新推荐文章于 2025-07-06 09:39:11 发布

阅读量328

点赞数

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/angushine/archive/2008/09/22/1296082.html

本文介绍了一种将HTML格式的内容转换为纯文本TXT格式的方法。通过使用正则表达式去除HTML标签、脚本、样式等内容，保留纯文本信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

HTML转TXT

public static string HtmToTxt(string input)
{
    input = new Regex(@"(?m)<script[^>]*>(\w|\W)*?</script[^>]*>", RegexOptions.Multiline | RegexOptions.IgnoreCase).Replace(input, "");
    input = new Regex(@"(?m)<style[^>]*>(\w|\W)*?</style[^>]*>", RegexOptions.Multiline | RegexOptions.IgnoreCase).Replace(input, "");
    input = new Regex(@"(?m)<select[^>]*>(\w|\W)*?</select[^>]*>", RegexOptions.Multiline | RegexOptions.IgnoreCase).Replace(input, "");
    input = new Regex(@"(?m)<a[^>]*>(\w|\W)*?</a[^>]*>", RegexOptions.Multiline | RegexOptions.IgnoreCase).Replace(input, "");
    Regex objReg = new System.Text.RegularExpressions.Regex("(<[^>]+?>)| ", RegexOptions.Multiline | RegexOptions.IgnoreCase);
    input = objReg.Replace(input, "");
    Regex objReg2 = new System.Text.RegularExpressions.Regex("(\\s)+", RegexOptions.Multiline | RegexOptions.IgnoreCase);
    input = objReg2.Replace(input, " ");
    return input;
}

转载于:https://www.cnblogs.com/angushine/archive/2008/09/22/1296082.html