C#将内容附带的html标签去掉转成纯文本方法

转载 2016年03月05日 15:49:01
  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;
    }

C# 正则表达式,去除所有HTML标签

protected string str = "sdasasdsddsdsaaassss 说是道 ";     protected void Page_Load(object sender, E...
  • liwateryi
  • liwateryi
  • 2015年03月01日 16:58
  • 1634

使用C#将HTML文本转换为普通文本,去掉所有的Html标记

using System; using System.Collections.Generic; using System.Linq; using System.Text; //...
  • my98800
  • my98800
  • 2016年12月06日 09:03
  • 236

去除文字里的html标签的C#方法

/// /// 清除文本中Html的标签 /// /// /// protected string ClearH...
  • hougelou
  • hougelou
  • 2012年08月23日 18:07
  • 8038

C# 将 HTML 转成纯文本

效果图 使用方法 HtmlToText convert = new HtmlToText(); textBox2.Text = convert.Convert(...
  • zhuyu19911016520
  • zhuyu19911016520
  • 2015年06月04日 15:07
  • 1771

使用C#将HTML文本转换为普通文本,去掉所有的Html标记

using System; using System.Collections.Generic; using System.Linq; using System.Text; //首先需要...
  • Denghejing
  • Denghejing
  • 2014年12月25日 18:29
  • 6501

用C#去除字符串中HTML的格式(清除数据库中html标签)

public static string DelHTML(string Htmlstring)//将HTML去除         {                   #region        ...
  • savagelin
  • savagelin
  • 2011年07月14日 10:22
  • 3455

.NET(C#)用正则表达式清除HTML标签(包括script和style),保留纯本文

如今是互联网时代,随时随刻都在接触网页数据。那么对于.NET的开发人员来说,处理网页源码就是有时候就不能避免了。今天给大家分享.NET用正则表达式清除HTML标签的通用方法。使其保留网页源码中的纯文本...
  • my98800
  • my98800
  • 2016年10月25日 08:36
  • 1597

去除C#HTML标签

  • 2010年03月02日 09:54
  • 2KB
  • 下载

C# .Net使用正则表达式去除HTML标记和空格

using System.Text.RegularExpressions; 在进行数据采集,显示文章摘要,内容计数等情况下,需要清除源代码中的html标签,空格,style,script等标签. ...
  • atco
  • atco
  • 2012年02月24日 11:25
  • 5935

C# 去除HTML标签

C# 去除HTML标签 ///         /// 去除HTML标签         ///         ///         ///         public st...
  • fsf869433932
  • fsf869433932
  • 2015年09月08日 18:45
  • 161
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:C#将内容附带的html标签去掉转成纯文本方法
举报原因:
原因补充:

(最多只允许输入30个字)