Question

我有一个字符串，它基本上是一个具有普通格式的内容块（p标签，粗体等等），有时包含编辑器放入的HTML链接。

但我想保留所有其他HTML，但只是删除链接。但不确定最快和最有效的方法，因为字符串可能很大（因为它们是文章）

任何代码示例都非常感谢：）

Answer 1

不是很准确，但 lazy apprach会将"<a "替换为"<span "，将"</a>"替换为"</span>"。一个更准确的结果将是在DOM中解析它：

string html;
using (var client = new WebClient()) {
    html = client.DownloadString("http://stackoverflow.com");
}
var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);
HtmlNode node;
// loop this way to avoid issues with nesting, mutating the set, etc
while((node = doc.DocumentNode.SelectSingleNode("//a")) != null) {
    var span = doc.CreateElement("span");
    span.InnerHtml = node.InnerHtml;
    node.ParentNode.InsertAfter(span, node);
    node.Remove();
}
string final = doc.DocumentNode.OuterHtml;

请注意，删除链接标记可能会更改样式，例如，如果表单a.someClass { ... }或a someNested {...}

的css样式

注意上面的代码;你也可以尝试更直接：

foreach(var node in doc.DocumentNode.SelectNodes("//a")) {
    var span = doc.CreateElement("span");
    span.InnerHtml = node.InnerHtml;
    node.ParentNode.InsertAfter(span, node);
    node.Remove();
}

但我不确定这是否会导致某些嵌套构造的突变/迭代问题......

从HTML字符串中删除所有链接 - 正则表达式？

1 个答案: