当前位置: 首页 > 图文教程 > 网络编程 > ASP.NET > 提取HTML代码中文字的C#函数

ASP.NET
在ASP.NET中操作文件的例子（VB）
用ASP.NET动态生成图像（转1）
用ASP.NET动态生成图像（转2）
关于如何读取别人的网站使用NGWS NET classes
在ASP.NET中处理datetime的一些通用函数（VB）
.NET之ASP Web Application快速入门(1)
.NET之ASP Web Application快速入门(2)
.NET之ASP Web Application快速入门(3)
.NET之ASP Web Application快速入门(4)
.NET之ASP Web Application快速入门(5)
用DataList 控制元件开发的一个简单的留言本程序
如何使用C#访问POP3服务器
用ado+来删除数据
.NET真面目（上）
.NET真面目（下）
用asp.net编写的上传程序
用C＃与XML创建动态分层菜单
开始 .Net的旅程（一）
用ASP.Net写一个发送ICQ信息的程序
用ASP.Net编写的查询域名的程序

No. « 107 108 109 110 »

技术文章搜索

关键字

ASP.NET 中的 提取HTML代码中文字的C#函数

出处:互联网   整理: 软晨网（RuanChen.com）   发布: 2009-09-13   浏览: 201 ::
收藏到网摘: n/a

/// <summary>
/// 去除HTML标记
/// </summary>
/// <param name="strHtml">包括HTML的源码 </param>
/// <returns>已经去除后的文字</returns>
public static string StripHTML(string strHtml)
{
string [] aryReg ={
@"<script[^>]*?>.*?</script>",

@"<(\/\s*)?!?((\w+:)?\w+)(\w+(\s*=?\s*(([""'])(\\[""'tbnr]|[^\7])*?\7|\w+)|.{0})|\s)*?(\/\s*)?>",
@"([\r\n])[\s]+",
@"&(quot|#34);",
@"&(amp|#38);",
@"&(lt|#60);",
@"&(gt|#62);",
@"&(nbsp|#160);",
@"&(iexcl|#161);",
@"&(cent|#162);",
@"&(pound|#163);",
@"&(copy|#169);",
@"&#(\d+);",
@"-->",
@"<!--.*\n"
};

string [] aryRep = {
"",
"",
"",
"\"",
"&",
"<",
">",
" ",
"\xa1",//chr(161),
"\xa2",//chr(162),
"\xa3",//chr(163),
"\xa9",//chr(169),
"",
"\r\n",
""
};

string newReg =aryReg[0];
string strOutput=strHtml;
for(int i = 0;i<aryReg.Length;i++)
{
Regex regex = new Regex(aryReg[i],RegexOptions.IgnoreCase );
strOutput = regex.Replace(strOutput,aryRep[i]);
}

strOutput.Replace("<","");
strOutput.Replace(">","");
strOutput.Replace("\r\n","");


return strOutput;
}