Question

我有一个字符串，可以有一些html标签。我想删除其中一些（包含数据），但不是所有标签。

事实上，我想删除<img />和<div>...</div>。

例如，如果我有字符串hello <div>bye bye</div> marco我想获得hello marco。

如何在C＃上执行此操作？

Answer 1

我认为您了解人们对parsing HTML with regex的一般看法。我建议你使用HTML解析器，例如HTML Agility Pack。

以下是一个示例：

class Program
{
    static void Main()
    {
        var doc = new HtmlDocument();
        doc.LoadHtml("hello <div>bye bye</div> marco <img src=\"http://example.com\"/> test");

        for (int i = 0; i < doc.DocumentNode.ChildNodes.Count; i++)
        {
            var child = doc.DocumentNode.ChildNodes[i];
            if (child.NodeType == HtmlNodeType.Element && new[] { "div", "img" }.Contains(child.Name, StringComparer.OrdinalIgnoreCase))
            {
                doc.DocumentNode.RemoveChild(child);
            }
        }

        var sb = new StringBuilder();
        using (var writer = new StringWriter(sb))
        {
            doc.Save(writer);
        }
        Console.WriteLine(sb); // prints "hello  marco  test"
     }

}

Answer 2

将正则表达式用于XML并不是一个好主意。根据语言，您应该使用一些XML库。

在这种情况下，正则表达式非常简单：

        string s = "hello <div>bye bye</div> marco <img />";

        Regex rgx = new Regex("(<div>[^<]*</div>)|(<img */>)");
        s = rgx.Replace(s, "");

我如何在C＃上执行此正则表达式？

2 个答案: