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
AspectSharp中的代理对象
关于“使用xmlspy编写xsl文件时候，在xsl解释xml文件的时候总是使用utf-16编码”的...
如何获取本机IP?
演练：在Excel中建立自定义菜单项
Microsoft.UI.WebControl.TreeView控件的扩充使用
C#中控制流程
如何通过.Net Compact Framework来获得应用程序的当前路径
用C#快速往Excel写数据
恼人的OleDb Bug
OpenAsTextStream 方法
Visual Studio 2005 Express Beta Products所有的完整安装包。
动态下拉菜单的简单实现
如何调用他人提供的Web Service
VB6实现在Win2000/XP上隐藏进程
CSharp读写SQL Server数据库中的Image列
OA架构设计之启示
VB6使用API下载文件
激活程序的disabled的按钮
定时检测邮件并且自动转发的例子
使程序在Windows任务管理器隐藏

No. « 143 144 145 146 »

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: 140 ::
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;
}