使用HTMLAgilityPack库

Question

我在SSIS中运行时使用下面的C＃脚本从描述列中删除HTML标记。我试图在下面的字符串htmlTagPattern中添加以下unicode ＆amp;＃58 ，但我无法让它工作。

感谢任何帮助。

public class ScriptMain : UserComponent
{
    public override void Input0_ProcessInputRow(Input0Buffer Row)
    {    
         Row.Message = RemoveHtml(Row.Message);
    }
   public String RemoveHtml(String message)
   {
       String htmlTagPattern = "<(.|\n)+?>";
        Regex objRegExp = new Regex(htmlTagPattern);
        message = objRegExp.Replace(message, String.Empty);
        return message;
    }
}

Answer 1

有很多方法可以将HTML转换为纯文本：

使用HTMLAgilityPack库

您可以从提供的样本中获取代码：

HTMLAgilityPack HtmlConvert Samples

您可以从以下链接下载HTMLAgilitypack：

使用System.Net

如果您使用.Net framework 4或更高版本，您可以从System.Net库中获益，该库包含从HTML获取纯文本的方法：

System.Net.HttpUtility.HtmlDecode(Row.Column)

参考：

HttpUtility.HtmlDecode Method

使用正则表达式

您可以按照其中一个链接获取更多详细信息：

将unicode添加到字符串html标记模式

1 个答案:

使用HTMLAgilityPack库

使用System.Net

使用正则表达式