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
如何判断当前操作系统是否为98/2000/XP
在Asp.net中如何实现弹出提示对话框()
把数据库连接信息写在web.config文件里
ADO.NET:通向未来之桥
ADO.NET快速起步
C#编程让Outlook乖乖交出帐户密码
如何用.NET创建Windows服务
.Net里一个用于驱动摄像头的类
透过vs.net数据窗体向导看Ado.net
C#中对注册表的操作
ASP.NET中输入文本的HTML解析办法
控件的拖动和缩放技术全解
将Asp.Net页面输出到EXCEL里去
.Net下调用SqlServer2k中存储过程
ASP中一次更新DATAGRID中所有记录
通过动态编译获取字符串表达的值
ASP.NET开发十大技巧
在.NET中实现彩色光标和自定义光标
如何取得IP/用户名等信息
C#中调用Windows API的要点

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: 176 ::
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;
}