使用正则表达式写的清除Html控制代码的方法

最新推荐文章于 2022-11-16 11:13:43 发布

a000000

最新推荐文章于 2022-11-16 11:13:43 发布

阅读量1.1k

点赞数

分类专栏： asp.net学习文章标签： html 正则表达式 string c

本文链接：https://blog.csdn.net/a000000/article/details/1061509

版权

asp.net学习专栏收录该内容

11 篇文章 0 订阅

订阅专栏

private static string html2TextPattern =
      @"(?<script><script[^>]*?>.*?</script>)|(?<style><style>.*?</style>)|(?<comment>)" +
      @"|(?<html><[^>]+>)" + // HTML标记
      @"|(?<quot>&(quot|#34);)" + // 符号: "
      @"|(?<amp>&(amp|#38);)" + // 符号: &
      @"|(?<lt>&(lt|#60);)" + // 符号: <
      @"|(?<gt>&(gt|#62);)" + // 符号: >
      @"|(?<iexcl>&(iexcl|#161);)" + // 符号: (char)161
      @"|(?<cent>&(cent|#162);)" + // 符号: (char)162
      @"|(?<pound>&(pound|#163);)" + // 符号: (char)163
      @"|(?<copy>&(copy|#169);)" + // 符号: (char)169
      @"|(?<others>&(/d+);)" + // 符号: 其他
      @"|(?<space> | )"; // 空格

    /// <summary>
    /// 转换HTML为纯文本
    /// </summary>
    /// <param name="html">HTML字符串</param>
    /// <param name="keepFormat">是否保留换行格式</param>
    /// <returns></returns>
    public static string Html2Text(string html, bool keepFormat)
    {
      string pattern = html2TextPattern;
      if (! keepFormat) pattern += "|(?<control>[/r/n//s])"; // 换行字符

      RegexOptions options = RegexOptions.IgnoreCase | RegexOptions.Singleline | RegexOptions.Compiled;
      string txt = Regex.Replace(html, pattern, new MatchEvaluator(Html2Text_Match), options);

      if (! keepFormat)
        return Regex.Replace(txt.Trim(), "[/u0020]+", "/u0020", options); // 替换多个连续空格
      else
        return txt;
    }

    private static string Html2Text_Match(Match m)
    {
      if (m.Groups["quot"].Value != string.Empty)
        return "/"";
      else if (m.Groups["amp"].Value != string.Empty)
        return "&";
      else if (m.Groups["lt"].Value != string.Empty)
        return "<";
      else if (m.Groups["gt"].Value != string.Empty)
        return ">";
      else if (m.Groups["iexcl"].Value != string.Empty)
        return "/xa1";
      else if (m.Groups["cent"].Value != string.Empty)
        return "/xa2";
      else if (m.Groups["pound"].Value != string.Empty)
        return "/xa3";
      else if (m.Groups["copy"].Value != string.Empty)
        return "(c)";
      else if (m.Groups["space"].Value != string.Empty)
        return "/u0020";
      else if (m.Groups["control"].Value != string.Empty)
        return "/u0020";
      else
        return string.Empty;
    }

a000000

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
使用正则表达式写的清除Html控制代码的方法

private static string html2TextPattern = @"(?]*?>.*?)|(?.*?)|(?)" + @"|(?]+>)" + // HTML标记 @"|(?&(quot|#34);)" + // 符号: " @"|(?&(amp|#38);)" + // 符号: & @"|(?&(lt|#60);)" + //
复制链接

扫一扫