[转]C#字符串去除html格式

转自:http://www.cnblogs.com/grokyao/archive/2008/12/04/1347512.html

    在使用Freetextbox等流行编辑器后获得的文字内容里会掺杂着一些html标记,有时会需要将它们处理掉,这里给出处理的方法,使用了正则表达式进行规则过滤,由于html标记都是基于<>这种格式,而且还有类似&nbsp;这样的符号,所以分了2次处理将字符串处理为无html格式的字符串。

 简易代码:

string html = @"<span lang="EN-US">&rdquo;</span>,用户可以随时接收喜欢的视频电视内容。<span lang="EN-US"><a target="_blank" href="http://info.tele.hc360.com/list/mobile.shtml"><span lang="EN-US"><span lang="EN-US">手机</span></span></a></span>"; 

string StrNohtml = System.Text.RegularExpressions.Regex.Replace(html, "<[^>]+>"""); 

StrNohtml
=System.Text.RegularExpressions.Regex.Replace(StrNohtml, "&[^;]+;"""); 

Console.WriteLine(StrNohtml);

 

功能增强代码:

public string NoHTML(string Htmlstring)  //替换HTML标记
{
    
//删除脚本
    Htmlstring = Regex.Replace(Htmlstring, @"<script[^>]*?>.*?</script>""", RegexOptions.IgnoreCase);

    
//删除HTML
    Htmlstring = Regex.Replace(Htmlstring, @"<(.[^>]*)>""", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"([\r\n])[\s]+""", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"-->""", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"<!--.*""", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"&(quot|#34);""\"", RegexOptions.IgnoreCase);
    Htmlstring = Regex.Replace(Htmlstring, @"&(amp|#38);""&", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"&(lt|#60);""<", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"&(gt|#62);"">", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"&(nbsp|#160);"" ", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"&(iexcl|#161);""\xa1", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"&(cent|#162);""\xa2", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"&(pound|#163);""\xa3", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"&(copy|#169);""\xa9", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"&#(\d+);""", RegexOptions.IgnoreCase);
    Htmlstring 
= Regex.Replace(Htmlstring, @"<img[^>]*>;""", RegexOptions.IgnoreCase);
    Htmlstring.Replace(
"<""");
    Htmlstring.Replace(
">""");
    Htmlstring.Replace(
"\r\n""");
    Htmlstring 
= HttpContext.Current.Server.HtmlEncode(Htmlstring).Trim();
    
return Htmlstring;
}

 

 

posted on 2009-01-06 17:08  王培  阅读(1722)  评论(1编辑  收藏  举报

导航