文章内容
2017/7/29 11:27:48,作 者: 黄兵
.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，具体方法：
#region 去掉HTML中的所有标签,只留下纯文本
/// <summary>
/// 去掉HTML中的所有标签,只留下纯文本
/// </summary>
/// <param name="strHtml"></param>
/// <returns></returns>
public static string CleanHtml(string strHtml)
{
if (string.IsNullOrEmpty(strHtml)) return strHtml;
//删除脚本
//Regex.Replace(strHtml, @"<script[^>]*?>.*?</script>", "", RegexOptions.IgnoreCase)
strHtml = Regex.Replace(strHtml, @"(\<script(.+?)\</script\>)|(\<style(.+?)\</style\>)", "", RegexOptions.IgnoreCase | RegexOptions.Singleline);
//删除标签
var r = new Regex(@"</?[^>]*>", RegexOptions.IgnoreCase);
Match m;
for (m = r.Match(strHtml); m.Success; m = m.NextMatch())
{
strHtml = strHtml.Replace(m.Groups[0].ToString(), "");
}
return strHtml.Trim();
}
#endregion
评论列表