HTML 正则表达式替换答案

【问题标题】：HTML-Regex ReplacementHTML 正则表达式替换
【发布时间】：2014-10-01 06:18:06
【问题描述】：

我有一个包含 HTML 文本的字符串：

string html = "<html>   \r\n\n<body> \n<h1>Hello World</h1>    \r \n \n</body> </html>";

我想清除 HTML 标记之外的文本。所以字符串会如下所示：

string html = "<html><body><h1>Hello World</h1></html>";

我也在使用 .NET。是否有任何内置功能可以做到这一点？

【问题讨论】：

C# how to Regex.Replace "\r\n" (the actual characters, not the line break) 的可能重复项
同意@zod，您可能不需要RegEx，但除此之外，您还想删除标签以及\t，与为\r 和@987654327 编写的方式相同@.
感谢@zod 的链接，我正在尝试
/\s/g 将匹配所有空格，或者您可以指定一个字符类：/[ \r\n]/g

标签： html .net regex text

【解决方案1】：

Regex REGEX_TAGS = new Regex(@">/\r?\n|\r/|\s+<", RegexOptions.Compiled);
string html = "<html>   /r/n/n<body> \n<h1>Hello World</h1>    \r \n \n</body> </html>"
html = REGEX_TAGS.Replace(html, "><");

【讨论】：

我有一种“感觉”，Hello World 将变为 HelloWorld... 您不应删除空格或至少将 + 更改为 {2,} 以仅捕获空格对并替换他们用一个空格。
你的感觉不对。正则表达式查找空格，“Hello World”不为空。
同意，但它不会在您之前的答案版本中赶上> Hello world <。
>
你知道浏览器即使是20个浏览器也不会显示超过1个（` `不是&nbsp;），那我们为什么要保留它们呢？不要误会我的意思，我正在努力改进你对这个问题的回答。