正则表达式匹配HTML输入的所有文本内容

Question

我的网站上有文章，我想自动更正和翻译。但我需要获取内容，而不需要使用HTML标记。

我们的想法是拥有一个可以检索标记之间所有内容的正则表达式（如果可能的话，还可以检索标记字段中的内容，如<img alt='Little house'>）。问题是我真的不知道怎么写这样的正则表达式。有什么想法吗？

Answer 1

我建议使用HTML parser，而不是依赖正则表达式。使用正则表达式解析HTML通常是禁止的，并且几乎不可能适用于所有情况。这里有很多关于SO的问题得出了同样的结论。

编辑看起来我们几个人有同样的想法...另外，here is a question讨论了更多解析器。

Answer 2

也许正则表达不是这项工作的最佳选择（我将免除你的强制性长篇大论）。

我建议您查看一个HTML解析库来帮助您，例如Html Agility Pack。

Answer 3

正如人们所说，正则表达式不是最推荐的方式，但如果您认为正则表达式是可行的方法，那么这应该可以让您开始：

string pattern = @"(<(/?[^>]+)>)"
strippedString = Regex.Replace(str, pattern, string.Empty);

Answer 4

不确定这是否有帮助，但我有能力将我网站上的文章翻译成读者首选语言，我使用Bing translation widget完成了这一点，所以我不做任何解析html这一切都是为我做的