删除<a> and <img/> tags using c# and regex</a>以外的任何内容

Question

我正在使用大量的html代码，但我只对<a>和<img>标记感兴趣。您能否建议如何使用c＃和regex从输入字符串中删除<a>和<img>标记以外的任何内容？

我确实尝试过HAP（HTML Agility Pack），但解析一些内容会遇到StackOverflowException。

伙计们，我不是在寻求HTML Agility Pack的帮助。我正在使用Regex解决方案。

Answer 1

如果您只想＆lt; img＆gt;和＆lt; a＆gt;

使用它们中的两个和交替运算符|

创建一个正则表达式

(<img.+?>|<a.+?>.+?<\/a>)

在替换中你可以使用组\ 1

Answer 2

老实说，就像所有人在你的评论中所说的那样，我不建议你使用正则表达式来解析HTML（这是一种规则），但是如果你真的需要它......（无论出于什么原因可能是...）

我说你可以解析该字符串并获取HTML字符串上的所有标记，并将其保存在List上。

正则表达式非常简单（你可以通过学习一些正则表达式来扩展它们......它并不那么难，我不会为你做所有的工作，主要是当我没有线索的时候HTML看起来像什么）

"<img.+?>"
"<a.+?>.+?</a>"

在这里使用一些html进行测试（删除＆＃34;＆＃34;进行测试）：http://regexpal.com/

对于C＃代码本身，我很确定你可以很容易地找到它。