Question

我有一个HTML页面字符串，我想从HTML页面的开头删除一些字符串。我要删除的代码可以是

<!DOCTYPE HTML>

或

<!DOCTYPE anything in between>

无论如何，它始终以<!DOCTYPE开头，以>结尾。如何搜索此行并将其从HTML页面中删除？

到目前为止，我设法使用以下代码

搜索并删除带有<!DOCTYPE HTML>的第一个字符串

PageString = e.Result.Replace("<!DOCTYPE HTML>", "").Trim();

但第二个怎么样？

Answer 1

您可以使用Regex.Replace方法执行此操作：

PageString = Regex.Replace(e.Result, "<!DOCTYPE[^>]+>", string.Empty);

此处的模式将匹配以<!DOCTYPE开头的任何子字符串，后跟一个或多个不是>的字符，后跟>。这将替换<!DOCTYPE anything in between>之类的任何内容，包括<!DOCTYPE HTML>。

如果您使用起始锚点（^）仅在字符串的开头匹配此模式，那么您可以更加安全并实际上提高此方法的性能：

PageString = Regex.Replace(e.Result, "^<!DOCTYPE[^>]+>", string.Empty);