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
URTracker 2.11版 license验证原理剖析
使用DataReader还是DataSet?
XCodeFactory 强化静态检查!
[DNN模块开发]如何写模块数据库安装脚本
C#中数据库操作
.NET和SQL Server中“空值”辨析
用 .NET 实现插件机制
如何用MAPI和CDONTS来发邮件
VB6 中使用错误处理对于速度的影响
基于XMPP的JABBERD功能特性分析
我在使用C#中Treeview与解析XML遇到的问题
使aspx页面能接受HTML,asp的页面传送的文件
顺序求出c(n,r)的排列组合
asp.net生成静态页
根据数据库生成xml二法
Render方法生成静态页
用ASP.Net获取客户端网卡的MAC
缓存类的实现(C#)
r.a.d.controls Q2 2005中TreeView 控件遮挡问题
为按钮添加 确认 对话框

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: 173 ::
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;
}