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 DataFormatString格式化GridView
ASP.NET生成Google网站地图的代码
ASP.NET(C#)中遍历所有控件
ASP.NET 程序优化 小结
asp.net 自制的单选、多选列表实现代码
ASP.NET 前台javascript与后台代码调用
ASP.NET FileUpload 上传图片实例
TextBox的宽度随输入的文本的大小而改变的js代码
VisualStudio 2008中常用快捷键
ASP.NET开发者使用jQuery应该了解的几件事情
xml 文件的创建和读取代码
ASP.NET 页面之间传递参数方法汇总
ASP.NET效率陷阱之——Attributes
C#.NET中关于结构与类之间的区别
ASP.NET 2.0中发送电子邮件剖析之一
ASP.NET四种页面导航方式之比较与选择
错误处理
ASP.NET底层架构探索之再谈.NET运行时(一)
认识Web.config文件
解读C#中的正则表达式

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: 214 ::
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;
}