欢迎光临
我们一直在努力

提取html代码中文字的c#函数_c#应用

建站超值云服务器,限时71元/月

/// <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;
  }

赞(0)
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com 特别注意:本站所有转载文章言论不代表本站观点! 本站所提供的图片等素材,版权归原作者所有,如需使用,请与原作者联系。未经允许不得转载:IDC资讯中心 » 提取html代码中文字的c#函数_c#应用
分享到: 更多 (0)