使用C＃正则expression式删除HTML标记
如何使用C＃正则expression式replace/删除所有HTML标记，包括尖括号？ 有人可以帮助我的代码？
如前所述，您不应该使用正则expression式来处理XML或HTML文档。 它们不能很好地处理HTML和XML文档，因为没有办法一般地expression嵌套结构。
你可以使用以下。
String result = Regex.Replace(htmlDocument, @"<[^>]*>", String.Empty); 这将适用于大多数情况下，但会有一些情况下（例如CDATA包含尖括号），这将无法按预期工作。
正确的答案是不要这样做，使用HTML敏捷包 。
编辑添加：
为了无耻地从jesse下面的评论中窃取，并且为了避免被指责在这个时候以后不能完全回答这个问题，下面是一个简单的，可靠的代码片断，它使用HTML敏捷包，它可以处理大多数不完美的，反复无常的HTML：
HtmlDocument doc = new HtmlDocument(); doc.LoadHtml(Properties.Resources.HtmlContents); var text = doc.DocumentNode.SelectNodes("//body//text()").Select(node => node.InnerText); StringBuilder output = new StringBuilder(); foreach (string line in text) { output.AppendLine(line); } string textOnly = HttpUtility.HtmlDecode(output.ToString());
使用正则expression式parsingHTML的情况很less，因为即使在非传统的正则expression式引擎中，如果没有上下文感知，也不能正确parsingHTML。 您可以通过RegEx获得部分path，但您需要进行手动validation。
Html敏捷包可以为您提供一个强大的解决scheme，将减less需要手动修复的错误，可能导致天真地对待HTML作为一个上下文无关语法。
正则expression式大多数时候可能会让你获得大部分时间，但在很常见的情况下会失败。 如果你能find一个比HTML敏捷包更好的parsing器，那就去吧，但是请不要让这个世界变得更加糟糕的HTML hackery。
这个问题太广泛，无法得到明确的答复。 您是否正在讨论从真实世界的HTML文档（如网页）中删除所有标签？ 如果是这样，你将不得不：
- 删除<！DOCTYPE声明或<？xml prolog（如果它们存在）
- 删除所有的SGML评论
- 删除整个HEAD元素
- 删除所有的SCRIPT和STYLE元素
- 做Grabthar知道什么与FORM和TABLE元素
- 删除剩下的标签
- 从CDATA部分删除<！[CDATA [和]]>序列，但保留其内容
这只是我的头顶 – 我相信还有更多。 一旦你完成了所有这些，你将会得到一些在一些地方一起运行的文字，句子和段落，而在另一些地方则会有大块无用的空白。
但是，假设你正在使用一个片段，你可以简单地删除所有的标签，这里是我将使用的正则expression式：
@"(?></?\w+)(?>(?:[^>'""]+|'[^']*'|""[^""]*"")*)>"
在他们自己的select中匹配单引号和双引号string足以解决属性值中尖括号的问题。 我没有看到任何需要显式匹配标签内的属性名称和其他东西，就像Ryan的答案中的正则expression式一样。 第一个select处理所有这一切。
如果你想知道那些(?>...)结构，它们是primefaces组 。 他们使正则expression式更高效一些，但是更重要的是，它们可以防止失控回溯，这是您在混合交替和嵌套量词时应该始终注意的事情。 我真的不认为这会成为一个问题，但我知道如果我不提这个问题，别人会这样做。 😉
当然，这个正则expression式并不完美，但它可能和你所需要的一样好。
Regex regex = new Regex(@"</?\w+((\s+\w+(\s*=\s*(?:"".*?""|'.*?'|[^'"">\s]+))?)+\s*|\s*)/?>", RegexOptions.Singleline);
资源
@JasonTrue是正确的，剥离HTML标签不应该通过正则expression式来完成。
使用HtmlAgilityPack去除HTML标签非常简单：
public string StripTags(string input) { var doc = new HtmlDocument(); doc.LoadHtml(input ?? ""); return doc.DocumentNode.InnerText; }
我想回应杰森的回应，虽然有时你需要天真地parsing一些Html，并拉出文本内容。
我需要用一个富文本编辑器创build的Html来完成这个任务，总是很有趣和游戏。
在这种情况下，您可能需要删除一些标签的内容以及标签本身。
在我的情况下，标签被扔进这个组合。 有些人可能会觉得我的（非常轻微）不那么天真的实施是一个有用的起点。
/// <summary> /// Removes all html tags from string and leaves only plain text /// Removes content of <xml></xml> and <style></style> tags as aim to get text content not markup /meta data. /// </summary> /// <param name="input"></param> /// <returns></returns> public static string HtmlStrip(this string input) { input = Regex.Replace(input, "<style>(.|\n)*?</style>",string.Empty); input = Regex.Replace(input, @"<xml>(.|\n)*?</xml>", string.Empty); // remove all <xml></xml> tags and anything inbetween. return Regex.Replace(input, @"<(.|\n)*?>", string.Empty); // remove any tags but not there content "<p>bob<span> johnson</span></p>" becomes "bob johnson" }
尝试正则expression式的方法在这个URL： http : //www.dotnetperls.com/remove-html-tags
/// <summary> /// Remove HTML from string with Regex. /// </summary> public static string StripTagsRegex(string source) { return Regex.Replace(source, "<.*?>", string.Empty); } /// <summary> /// Compiled regular expression for performance. /// </summary> static Regex _htmlRegex = new Regex("<.*?>", RegexOptions.Compiled); /// <summary> /// Remove HTML from string with compiled Regex. /// </summary> public static string StripTagsRegexCompiled(string source) { return _htmlRegex.Replace(source, string.Empty); }
用这个..
@"(?></?\w+)(?>(?:[^>'""]+|'[^']*'|""[^""]*"")*)>"
添加.+? 在<[^>]*>并尝试这个正则expression式（基于此 ）：
<[^>].+?>
c＃.net正则expression式演示 
使用此方法删除标签：
public string From_To(string text, string from, string to) { if (text == null) return null; string pattern = @"" + from + ".*?" + to; Regex rx = new Regex(pattern, RegexOptions.Compiled | RegexOptions.IgnoreCase); MatchCollection matches = rx.Matches(text); return matches.Count <= 0 ? text : matches.Cast<Match>().Where(match => !string.IsNullOrEmpty(match.Value)).Aggregate(text, (current, match) => current.Replace(match.Value, "")); }
