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
使用CodeDom来生成.cs文件
在.NET中定义结构设计标准
c#v2.0 扩展特性 翻译2
.NET框架下的自动内存管理
在设计期跟踪代码 .NET
VB新發現
原来Smart Client 是这样的
flash内嵌于C#程序中的应用
解读.NET Framework中的COM+与MTS
获取Sql服务器列表 C#
.Net Framework Beta 2 初步介绍
DLL的应用。
编译自己的资源文件编辑器reseditor.exe
.NET 2.0 基础类库中的范型:其他范型类
.NET 2.0 基础类库中的范型:Functional Programming
Lion.Web.UpLoadModule 1.1.2004.0720 大文件上传带进度显示组件DOTNET
.NET编程规范
web.config配置文件示例
编程实现QQ表情文件CFC格式
关于线程的参数、“返回值”、及线程的中止

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: 120 ::
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;
}