c#中过滤html的正则表达式

作者:mdxy-dxy 时间:2023-07-04 04:03:24 

实现代码


///  <summary>
///  去除HTML标记
///  </summary>
///  <param  name=”NoHTML”>包括HTML的源码  </param>
///  <returns>已经去除后的文字</returns>
public static string NoHTML(string Htmlstring)
{
 //删除脚本
 Htmlstring = Regex.Replace(Htmlstring, @"<script[^>]*?>.*?</script>", "",
 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.Replace("<", "");
 Htmlstring.Replace(">", "");
 Htmlstring.Replace("\r\n", "");
 Htmlstring = HttpContext.Current.Server.HtmlEncode(Htmlstring).Trim();
 return Htmlstring;
}

C#过滤Html标签及空格


public static string FilterHTML(string HTMLStr)
   {
     if (!string.IsNullOrEmpty(HTMLStr))
       return System.Text.RegularExpressions.Regex.Replace(HTMLStr, "<[^>]*>|&nbsp;", "");
     else
       return "";
   }

写一个静态方法移除HTML标签


#region
///  <summary>
///  移除HTML标签
///  </summary>
///  <param  name="HTMLStr">HTMLStr</param>
public static string ParseTags(string HTMLStr)
{
return System.Text.RegularExpressions.Regex.Replace(HTMLStr, "<[^>]*>", "");
}
#endregion

取出文本中的图片地址


#region
///  <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;
}
#endregion

提取HTML代码中文字的C#函数


///  <summary>
///  提取HTML代码中文字的C#函数
///  </summary>
///  <param  name="strHtml">包括HTML的源码  </param>
///  <returns>已经去除后的文字</returns>
using System;
using System.Text.RegularExpressions;
public class StripHTMLTest
{
public static void Main()
{
 string s = StripHTML(
  "<HTML><HEAD><TITLE>中国石龙信息平台</TITLE></HEAD><BODY>faddfs龙信息平台</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|#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;
}
}

TempContent 表示包含有html的字符串;
TempContent = System.Text.RegularExpressions.Regex.Replace(TempContent,"<[^>]+>","");至少一个
TempContent = System.Text.RegularExpressions.Regex.Replace(TempContent,"<[^>]*>","");任意个 

标签:c#,过滤,html
0
投稿

猜你喜欢

  • 利用python实现AR教程

    2021-07-09 16:39:04
  • 使用python实现ftp的文件读写方法

    2022-02-06 11:25:03
  • 利用Python自动生成PPT的示例详解

    2021-10-16 18:25:08
  • 栅格:一以贯之

    2008-07-22 12:19:00
  • Python机器学习之KNN近邻算法

    2022-05-12 23:14:17
  • SQLServer2000 报1053错误(服务没有及时响应或控制请求)的解决方法

    2024-01-23 10:40:47
  • 安装SQL Server 2005时出现计数器错误

    2008-11-28 14:19:00
  • asp如何写入超长的字符串?

    2010-06-09 18:53:00
  • Python中的单例模式与反射机制详解

    2023-11-24 00:55:54
  • 简介Django框架中可使用的各类缓存

    2022-01-16 13:02:39
  • Python Datetime模块和Calendar模块用法实例分析

    2022-08-05 10:23:46
  • python实现简单图片物体标注工具

    2021-09-07 21:31:50
  • Mysqlslap MySQL压力测试工具 简单教程

    2024-01-15 20:10:10
  • 解决python 3 urllib 没有 urlencode 属性的问题

    2022-03-31 12:42:44
  • php 的反射详解及示例代码

    2024-06-05 09:46:28
  • asp MYSQL出现问号乱码的解决方法

    2011-04-15 11:13:00
  • Centos部署django服务nginx+uwsgi的方法

    2022-03-18 07:47:26
  • Python实现读写sqlite3数据库并将统计数据写入Excel的方法示例

    2024-01-21 07:55:04
  • 2个asp获取安全字符串的方法

    2007-10-19 15:08:00
  • 通过事务日志解决SQL Server常见四大故障(一)

    2009-03-25 13:46:00
  • asp之家 网络编程 m.aspxhome.com