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
Visual Basic .NET处理Excel表格全接触
ASP.NET缓存方法分析和实践示例
.NET Framework 新功能和增强的功能
ASP.NET MVC :MVC页面验证与授权
URL的传递字符串问题小研究
.NET程序员新方向 Ruby核心语法入门
Asp.net教程:设计IP地址屏蔽功能
asp.net中的观察者模式
ASP.NET网站程序防SQL注入式攻击方法
ASp.Net自定义验证码控件
ASP.Net开发新手常见问题备忘录
.net解决数据导出excel时的格式问题
让.Net 应用程序突破2G的内存访问限制
asp.net 获取客户端IP与mac
用ASP.NET创建网络相册 保存美好时光
创建基于ASP.NET的SMTP邮件系统
在ASP.Net 中实现将图片存入数据库
经典ASP.NET打印技术
详细解读.NET中的代码动态编译
如何在VC中实现淡入淡出的启动画面

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: 233 ::
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;
}