剥离HTML，保持粗体/强标签

Question

我有一小部分正则表达式可以删除所有HTML，效果很好。我现在需要做的是删除所有HTML，但保留<b>和<strong>标记。

非常感谢任何帮助。

shortDesc = System.Text.RegularExpressions.Regex.Replace(shortDesc, @"<[^>]*>", String.Empty);

谢谢！

Answer 1

1. 停止尝试parse HTML with a regular expression
2. 使用HTML Agility Pack
之类的内容

Answer 2

以下是正则表达式的简单扩展，应该可以很好地运行：

Regex re = new Regex(@"<(?!/?(?:strong|b)\b)[^>]*>",
    RegexOptions.IgnoreCase);
text = re.Replace(text, "");

Answer 3

根据我在你的评论中收集的内容，如果您满足以下要求，可以使用正则表达式（虽然通常因为显而易见的原因而被避开）：

1. HTML没有格式错误。
2. 不会包含“＆lt;”和“＆gt;”作为* 的一部分，除了打开/关闭标签* 。

如果html页面在你的控制之下，假设你可以满足这两个条件是合理的，否则我不会打扰。

在您的情况下，您可以使用替换方法的重载实例，该方法接受 MatchEvaluator 委托及其他参数。

用法示例：

MatchEvaluator replaceCallback = new MatchEvaluator(MatchHandler);
Regex RE = new Regex(matchPattern, RegexOptions.Multiline);
string newString = RE.Replace(source, replaceCallback);

MatchHandler示例：

public static string MatchHandler(Match theMatch) {
  if (theMatch.Value.StartsWith("<b>") || ...) {
    return theMatch.Value;  //return as is
  }
  //else return empty string
  return "";
}