删除两个字符之间的字符串中的所有内容

Question

我有一些我正在从网页中提取的数据，我想知道如何删除这些字符之间的所有内容 - ＆lt;和＆gt;，同时也删除这些字符本身。以下是我从网站

获取的字符串示例

<a>SomeTextHere</a>Moretext<br><tr>SomeText</tr>

我希望我的最终结果是 -

SomeTextHere MoreText SomeText

有没有办法可以快速有效地完成这项工作？

Answer 1

您可以使用这个简单的RegEx。

private string StripTagsRegex(string source) 
{
            return Regex.Replace(source, "<.*?>", string.Empty);
}

对于更复杂的工作，请使用Html Agility Pack，这是此通常推荐的工具。它将采用格式错误的HTML并将其按入XHTML，然后按照XML类等可遍历的DOM。

Answer 2

您似乎要求的是用一个空格替换多个连续的html标签，而基于代码的答案只会连接标签两侧的内容

以下内容将删除实际标记和html注释，同时保留其他所有内容（包括不构成标记声明一部分的＆lt;和＆gt;字符。

private string StripTagsRegex(string source) 
{
    return Regex.Replace(source, "(</?[a-z][a-z0-9]*[^<>]*>|<!--.*?-->)+", " ", RegexOptions.IgnoreCase | RegexOptions.Singleline | RegexOptions.Multiline).Trim();
}

使用此方法：

<a>SomeTextHere</a>Moretext<br><tr>SomeText</tr>

成为

SomeTextHere MoreText SomeText

这是我认为你真正要求的。