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中Session失效的一种编程思路
VS2003创建和打开ASP.net 工程的若干问题
用VS.NET打开或创建web项目出错的解决办法
Windows2003中配置ASP.net动态网站运行环境
Web.config中注册用户控件和自定义控件
ASP.NET AJAX 控件中HTML Intellisense功能的丢失
ASP.NET程序防范SQL注入式攻击的方法
Request.Form中的一些特殊的东西
ASP.NET最常见错误提示
VS2005构建针对DB2的应用程序和Web站点
ASP.NET 2.0控件处理DB2 9应用程序之二
Sandcastle介绍:生成.NET API文档的工具
教程:Asp.net与Xml开发网络硬盘技术
.NET事件处理的步骤
SVN配置和apache的配置
.NET命名空间和目录划分的经验
.NET开发时使用正则表达式的BUG
各版本IIS下ASP.net请求处理过程
ASP.NET MVC实现自己的一个视图引擎
C#关键字

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: 222 ::
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;
}