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数据库连接池配置技巧(默认值)
.NET 数据库连接池
asp.net sqlconnection con.close和con.dispose区别
ASP.NET 多次提交的解决办法
ASP.NET 多次提交的解决办法2
firebird Embedded模式(.net 3.5)
js 父页中的单选按钮取值
js控制.net验证控件是否可用。
ASP.NET AJAX时用alert弹出对话框
aspx 中文汉字显示为乱码
C# 小数位数保留的方法集锦
C# Math.Round()函数问题
C# ToString格式大全
ASP.net Forms验证Demo
asp.net 文章内容分页显示的代码
asp.net两级联动(包含添加和修改)
TreeView创建IHierarchicalDataSource类型的数据源实现
ASP.NET输出PNG图片时出现GDI+一般性错误的解决方法
Ajax.net 显示错误信息的设置
asp.net ListView 数据绑定

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: 166 ::
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;
}