`
wang_peng1
  • 浏览: 3944293 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

去除html标记,以及文件的读写

阅读更多
  今天在去字段的时候 把标记取出来了没有办法 只能去除
下面引用别人的文章
http://www.cnblogs.com/zoupeiyang/archive/2009/06/22/1508039.html
/// <summary>
  /// 去除HTML标记
  /// </summary>
  /// <param name="Htmlstring">包括HTML的源码 </param>
  /// <returns>已经去除后的文字</returns>
  public string NoHTML(string Htmlstring)
  {
   //删除脚本
   Htmlstring = Htmlstring.Replace("\r\n","");
   Htmlstring = Regex.Replace(Htmlstring,@"<script.*?</script>","",RegexOptions.IgnoreCase);
   Htmlstring = Regex.Replace(Htmlstring,@"<style.*?</style>","",RegexOptions.IgnoreCase);
   Htmlstring = Regex.Replace(Htmlstring,@"<.*?>","",RegexOptions.IgnoreCase);
   //删除HTML
   Htmlstring = Regex.Replace(Htmlstring,@"<(.[^>]*)>","",RegexOptions.IgnoreCase);
   Htmlstring = Regex.Replace(Htmlstring,@"([\r\n])[\s]+","",RegexOptions.IgnoreCase);
   Htmlstring = Regex.Replace(Htmlstring,@"-->","",RegexOptions.IgnoreCase);
   Htmlstring = Regex.Replace(Htmlstring,@"<!--.*","",RegexOptions.IgnoreCase);
   Htmlstring = Regex.Replace(Htmlstring,@"&(quot|#34);","\"",RegexOptions.IgnoreCase);
   Htmlstring = Regex.Replace(Htmlstring,@"&(amp|#38);","&",RegexOptions.IgnoreCase);
   Htmlstring = Regex.Replace(Htmlstring,@"&(lt|#60);","<",RegexOptions.IgnoreCase);
   Htmlstring = Regex.Replace(Htmlstring,@"&(gt|#62);",">",RegexOptions.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",RegexOptions.IgnoreCase);
   Htmlstring = Regex.Replace(Htmlstring,@"&(pound|#163);","\xa3",RegexOptions.IgnoreCase);
   Htmlstring = Regex.Replace(Htmlstring,@"&(copy|#169);","\xa9",RegexOptions.IgnoreCase);
   Htmlstring = Regex.Replace(Htmlstring,@"&#(\d+);","",RegexOptions.IgnoreCase);
   Htmlstring = Htmlstring.Replace("<","");
   Htmlstring = Htmlstring.Replace(">","");
   Htmlstring = Htmlstring.Replace("\r\n","");  
   Htmlstring=HttpContext.Current.Server.HtmlEncode(Htmlstring).Trim();
   return Htmlstring;
  }
http://www.cnblogs.com/happyday56/archive/2009/04/25/1443526.html 这篇也不错
http://www.cnblogs.com/yjwgood/articles/756717.html 这篇如下:
使用 axWebBrowser 控件
引用 mshtml
[1)去掉HTML标记及其标记中的属性
[2)axWebBrower 打开某个页面
[3)取出HTML源代码

1)去掉HTML标记及其标记中的属性
private string getOneValue(string TempStr)
  {
   if(TempStr.Length >0)
   {
    TempStr = regularExpressionsOfHTML(TempStr);
    TempStr = TempStr.Substring(0,TempStr.Length-1);
   }
   return TempStr;
  }
public static string regularExpressionsOfHTML(string TempContent)
  {
   //TempContent = System.Text.RegularExpressions.Regex.Replace(TempContent,"<[^>]+>",""); //任意多个
   TempContent = System.Text.RegularExpressions.Regex.Replace(TempContent,"<[^>]*>",""); //匹配一个
   return TempContent;
  }

2)axWebBrower 打开某个页面
   string Url = "**********";
   object Zero = 0;
   object EmptyString = "";

   axWebBrowser.Navigate(Url ,ref Zero, ref EmptyString, ref EmptyString, ref EmptyString);

3)取出HTML源代码
   在axWebBrower_DocumentComplete事件中比较好
   引用:using mshtml;

   IHTMLDocument2 HTMLDocument =(IHTMLDocument2) axWebBrowser1.Document;
    string strHtml = HTMLDocument.body.innerHTML.ToString(); //Get HTML
    string[] arHtml = strHtml.Split('\n');
   此时arHtml中保存了所有的HTML source.
我把我自己做的调试程序上传了,这样的文章不能算原创也不算自己的 还是写转载吧
代码可是我的啊  里面有测试字符串的 还有测试文件的  用到了文件的读和写。
分享到:
评论

相关推荐

    去除html标记,读取html文件源代码

    在本场景中,提供的源代码可能是一个解决方案,用于读取HTML文件并去除其中的HTML标记。 首先,我们来讨论如何读取HTML文件。在Python中,可以使用内置的`open()`函数打开一个文件,然后使用`read()`或`readlines()...

    去掉html中的链接后写到文本文件中 (41KB)

    需要注意的是,要确保正确处理文件路径,确保文件读写的安全性,并在完成操作后关闭文件以释放资源。 4. **程序结构**:此任务可能包含多个模块或函数,比如一个用于读取和解析HTML的模块,一个用于处理链接的函数...

    totxt从 HTML 文档中提取 TEXT 文件.zip_VB HTML_totxt_vb html to text_数据库

    这涉及到数据库设计、VB与数据库的连接、数据的读写以及图片的存储和检索技术。VB可以使用ADO(ActiveX Data Objects)或者其他数据库访问组件来与SQL Server、Access等数据库系统进行交互。 【标签】中的"vb_html ...

    html转换xml代码

    1. **文件读写操作**: - 使用`BufferedInputStream`和`InputStreamReader`读取原始HTML文件,这里指定了字符集为“GB2312”。 - 创建临时文件用于转换过程中的中间存储,使用UTF-8编码进行输出。 - 使用`...

    Java根据word 模板,生成自定义内容的word 文件

    Apache POI是一个流行的开源项目,它允许Java开发者读写Microsoft Office格式的文件,包括Word(.doc和.docx)文件。通过使用Apache POI,我们可以操作Word文档中的文本、样式、图片等各种元素。 接下来,我们要...

    易语言网页保存成MTH文件

    易语言提供了“文件操作”命令集,包括打开、关闭、读写文件等,利用这些命令可以实现文件的创建和写入。在写入MTH文件时,要注意保持正确的文件格式和编码,以确保模块能够被易语言正确识别和加载。 在实际开发...

    构建html静态结构

    在构建HTML静态结构的过程中,我们通常会涉及到网页的布局、元素结构以及代码优化等多个关键知识点。这个特定的项目,从标题和描述来看,是针对批量处理HTML文档,目的是为了简化内容,减少打印成本。以下是对这些...

    SinaBook2Txt

    6. **文件操作**:程序会将清理后的文本内容保存到一个单一的.txt文件中,这涉及到文件的读写操作。在Python中,可以使用内置的open()函数来完成这些任务。 7. **线程与并发**:为了提高效率,SinaBook2Txt可能采用...

    vim最佳技巧

    2. **FTP编辑支持**:`cmap,r Nread ftp://209.51.134.122/public_html/index.html`和`cmap,w Nwrite ftp://209.51.134.122/public_html/index.html`允许直接从FTP服务器读写文件,简化远程文件编辑流程。...

    前端开源库-bomstrip

    这些文件有时会包含一个名为“字节顺序标记”(Byte Order Mark, BOM)的特殊字符,特别是在使用UTF-8编码时。BOM是一个非打印的Unicode字符,其目的是用来标识文件的字符编码类型。然而,在某些情况下,BOM可能会...

    Python-convert2utf将目录下的全部源文件转成UTF8编码

    标题"Python-convert2utf将目录下的全部源文件转成UTF8编码"指的是使用Python编写的一个脚本或工具,该工具能够遍历指定目录,检测并转换其中的GB、GBK以及其他非UTF-8编码的文本文件和源代码文件,统一转换为UTF-8...

    php开发实战宝典第3章源码

    - PHP代码可以嵌入到HTML文件中,通过`&lt;?php ... ?&gt;`标记包裹。 - 这种方式使得动态生成HTML页面变得简单,例如通过PHP获取用户表单数据并显示在页面上。 3. **字符串操作**: - PHP提供了丰富的字符串处理函数...

    2018理工计算机应用基础(专升本).pdf

    18. **外存与内存速度差异**:外存(如硬盘)比内存慢,主要原因是外存读写涉及机械运动,而内存是电子方式读写,速度更快。 19. **Excel公式计算**:在Excel中,公式=13*5+2的计算结果是67。 20. **软盘病毒清理*...

    南开21春学期(2103)《信息处理技术》在线作业.pdf

    5. WWW服务器的数据文件通常由HTML(超文本标记语言)描述,提供网页内容。 6. 客户端通过POP3协议接收电子邮件,FTP用于文件传输,SMTP用于发送邮件,HTTP用于Web浏览。 7. Telnet服务提供远程登录功能,允许用户...

Global site tag (gtag.js) - Google Analytics