如何仅删除程序中的 HTML 标签 [重复]

Question

我想用 C# 删除带有某些源代码的 HTML 标签。

不幸的是，有些内容像

首先，我尝试了这样的 Regex 类。

Regex.Replace(htmltext,"[\\x00-\\x1f<>:\"/\\\\|?*]" +
        "|^(CON|PRN|AUX|NUL|COM[0-9]|LPT[0-9]|CLOCK\\$)(\\.|$)" +
        "|[\\. ]$", String.Empty);

但在这种情况下， “”已被删除。

所以任何人，请告诉我如何删除程序中的 Only HTML 标签。

谢谢。

Answer 1

不要尝试使用正则表达式解析 HTML。 It tends not to go well.

使用解析器，HTML Agility Pack 很受欢迎。

使用 HTML 敏捷包，您可以简单地调用 InnerText 来提取没有 HTML 标记的内容。