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
.net开发绑定到LINQ查询的结果实例
vc.net中配置OpenOffice的SDK应用开发
用.NET读取 Flash格式文件信息
点缩略图弹出随图片大小自动调整的页面
关于VS 2008和.NET 3.5 Beta2新特性介绍
网友分享:详细解读.NET中的代码动态编译
基于.NET Framework 微软Silverlight下载
Asp.net多层架构中的变量引用与传递
VS2008中查看.NET源码的设置方法
Asp.net中如何过滤html,js,css代码
ASP.NET 2.0中CSS失效解决方案
使用ADO.NET2.0提升数据交互性能(1)
使用ADO.NET2.0提升数据交互性能(2)
使用ADO.NET2.0提升数据交互性能(3)
使用ADO.NET2.0提升数据交互性能(4)
使用ADO.NET2.0提升数据交互性能(5)
解决CSV字段数据带有双引号的问题
VB.net实现sql数据库的备份与恢复
Asp.net FMS 开发视频网站
.Net平台下开发中文语音应用程序

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: 88 ::
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;
}