使用RegEx从字符串中删除编码的HTML

Question

我目前有一个从字符串中删除任何HTML的扩展方法。

Regex.Replace(s, @"<(.|\n)*?>", string.Empty);

这总体上运行良好，但是，我偶尔会传递其中包含标准HTML标记的字符串，以及编码标记（我无法控制源数据，因此无法更正入境点），例如

&lt;p&gt;<p>Sample text</p>&lt;/p&gt;

我需要一个表达式，它将从字符串中删除编码和非编码HTML（无论是段落标记，锚标记，格式标记等）。

Answer 1

我认为你可以使用相同的Extension方法进行两次传递。

首先替换通常的未编码标签，然后Decode返回的字符串再次执行。简单