过滤HTML代码，只留下文本

534064358

浏览: 13681 次
性别:
来自: 南京

最近访客更多访客>>

caojinqin

EG_Co_BT

博主相关

博客

微博

相册

留言

关于我

文章分类

社区版块

存档分类

博客分类：

ASP.Net

HTML Web

    using System; 
　　using System.Web; 
　　using System.Text.RegularExpressions;
 public static string NoHTML(string Htmlstring) 
　　{ 
　　//删除剧本 
　　Htmlstring = Regex.Replace(Htmlstring,@"<script[^>]*?>.*?</script>", "",RegexOptions.IgnoreCase); 
　　//删除HTML 
　　Htmlstring = Regex.Replace(Htmlstring,@"<(.[^>]*)>","",RegexOption s.IgnoreCase); 
　　Htmlstring = Regex.Replace(Htmlstring,@"([\r\n])[\s]+","",Regex Options.IgnoreCase); 
　　Htmlstring = Regex.Replace(Htmlstring,@"-->","",RegexOptions.Ign oreCase); 
　　Htmlstring = Regex.Replace(Htmlstring,@"<!--.*","",RegexOptions. IgnoreCase); 
　　Htmlstring = Regex.Replace(Htmlstring,@"&(quot|#34);","\"",Rege xOptions.IgnoreCase); 
　　Htmlstring = Regex.Replace(Htmlstring,@"&(amp|#38);","&",RegexO ptions.IgnoreCase); 
　　Htmlstring = Regex.Replace(Htmlstring,@"&(lt|#60);","<",RegexOpt ions.IgnoreCase); 
　　Htmlstring = Regex.Replace(Htmlstring,@"&(gt|#62);",">",RegexOpt ions.IgnoreCase); 
　　Htmlstring = Regex.Replace(Htmlstring,@"&(nbsp|#160);"," ",RegexOptions.IgnoreCase); 
　　Htmlstring = Regex.Replace(Htmlstring,@"&(iexcl|#161);","\xa1", RegexOptions.IgnoreCase); 
　　Htmlstring = Regex.Replace(Htmlstring,@"&(cent|#162);","\xa2",R egexOptions.IgnoreCase); 
　　Htmlstring = Regex.Replace(Htmlstring,@"&(pound|#网易);","\xa3", RegexOptions.IgnoreCase); 
　　Htmlstring = Regex.Replace(Htmlstring,@"&(copy|#169);","\xa9",R egexOptions.IgnoreCase); 
　　Htmlstring = Regex.Replace(Htmlstring, @"&#(\d+);","",RegexOptions.IgnoreCase); 
　　Htmlstring.Replace("<",""); 
　　Htmlstring.Replace(">",""); 
　　Htmlstring.Replace("\r\n",""); 
　　Htmlstring=HttpContext.Current.Server.HtmlEncode(H tmlstring).Trim(); 
　　return Htmlstring; 
　　}

/**////提取HTML代码中书契的C#函数 
　　/// <summary> 
　　/// 去除HTML标记 
　　/// </summary> 
　　/// <param name="strHtml">包孕HTML的源码 </param> 
　　/// <returns>已经去除后的书契</returns> 
　　using System; 
　　using System.Text.RegularExpressions; 
　　public class StripHTMLTest{ 
　　public static void Main(){ 
　　string s=StripHTML("<HTML><HEAD><TITLE>资料测试</TITLE></HEAD><BODY>信息</BODY></HTML>"); 
　　Console.WriteLine(s); 
　　} 
　　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|#网易);", 
　　@"&(copy|#169);", 
　　@"&#(\d+);", 
　　@"-->", 
　　@"<!--.*\n" 
　　}; 
　　string [] aryRep = { 
　　"", 
　　"", 
　　"", 
　　"\"", 
　　"&", 
　　"<", 
　　">", 
　　" ", 
　　"\xa1",//chr(161), 
　　"\xa2",//chr(162), 
　　"\xa3",//chr(网易), 
　　"\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; 
　　} 
　　} 
　　写一个静态要领 
　　移除HTML标签#region 移除HTML标签 
　　/**//// <summary> 
　　/// 移除HTML标签 
　　/// </summary> 
　　/// <param name="HTMLStr">HTMLStr</param> 
　　public static string ParseTags(string HTMLStr) 
　　{ 
　　return System.Text.RegularExpressions.Regex.Replace(HTMLS tr, "<[^>]*>", ""); 
　　}

　取出文本中的图片地址#region 取出文本中的图片地址 
　　/**//// <summary> 
　　/// 取出文本中的图片地址 
　　/// </summary> 
　　/// <param name="HTMLStr">HTMLStr</param> 
　　public static string GetImgUrl(string HTMLStr) 
　　{ 
　　string str = string.Empty; 
　　string sPattern = @"^<img\s+[^>]*>"; 
　　Regex r = new Regex(@"<img\s+[^>]*\s*src\s*=\s*([']?)(?<url>\S+)'?[^> ]*>", 
　　RegexOptions.Compiled); 
　　Match m = r.Match(HTMLStr.ToLower()); 
　　if (m.Success) 
　　str = m.Result("${url}"); 
　　return str; 
　　}

分享到：