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
一个有KeepConnection开关的C#的Database类
用控件仅一条指令实现界面换肤和多语言版本
.net datagrid 选择多行
一个用C#写的词法分析程序
关于C#下写的Web Service 服务在Delphi下调用时的问题
多线程填写treeview控件(vb.net)
使用TreeView实现无限级扩展节点
用C#写的一个简单屏幕保护程序
详解对密码执行散列和 salt 运算方法
vb.net的windows窗体实现dos命令
为您的应用程序加上注册的限制
用VS.NET2003制作WEB应用程序的安装包
怎么由DataSet将数据导入Excel?
Visual Basic串口通讯调试方法
QQ验证码识别源代码(C#/NET1.1)
一个用Wsh来控制SqlServer的Dcom的VBs
24点的算法
asp.net 关于form认证的一般设置
和我一起入门Direct3D的VB.net编程
部署ASP.NET的三大技术(1)

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: 181 ::
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;
}