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
asp.net 无重复随机数代码
asp.net(C#)中上传大文件的几中常见应用方法
asp.net AJAX实现无刷新获得数据
C#中发送邮件代码
asp.net(c#) RSS功能实现代码
asp.net窗体操作总结
ASP.NET 水晶报表打印功能实现代码
ASP.Net 图片存入数据库的实现代码
让Silverlight 2.0动画动起来Making Silverlight 2.0 animation Start(不能运动原因)
asp.net Reporting Service在Web Application中的应用
C# 文件上传 默认最大为4M的解决方法
asp.net 购物车实现详细代码
asp.net repeater实现批量删除时注册多选框id到客户端
asp.net aspnetpager分页统计时与实际不符的解决办法
iis 服务器应用程序不可用的解决方法
asp.net button 绑定多个参数
asp.net Ajax 安装与卸载方法
Ajax Throws Sys.WebForms.PageRequestManagerErrorException with Response.Redirect的解决方法
asp.net 两个不同页面的传值
C# 可空类型分析

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: 158 ::
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;
}