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
浅析.NET 3.5 SP1中的JIT增强
在ASP.Net中实现RSA加密
浅析ASP.NET中C++和J#的混合应用
探讨ASP.NET MVC框架内置AJAX支持编程技术
Web开发模式的颠覆者:ASP.NET MVC
设计ASP.NET应用程序的七大绝招
浅谈Asp.net多层架构中的变量引用与传递
ASP.NET遍历配置文件的连接字符串
ASP.NET2.0中配置文件的加密与解密
Ja.Net:融合 Java 1.5 和 .NET
ASP.NET 2.0 中XML数据的处理
ASP.NET中备份SQL Server数据库的方法
asp.net/c#字符格式化
在.NET应用程序中进行Erlang风格的并行编程
Flex与.NET互操作:基于WebService的数据访问
asp.net 里 include UTF8 垃圾问题
让.Net程序脱离.Net Framework框架运行
.NET上执行多线程应该注意的两点
ASP.NET应该遵守的9条代码编写规范
.Net和Java的socket机制比较

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: 86 ::
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;
}