删除 HTML 注释

Question

如何从 HTML 文件中删除评论？

它们可能只占一行，但我相信我会遇到评论可能跨越多行的情况：

<!-- Single line comment. -->

<!-- Multi-
ple line comment.
Lots      '""' '  "  ` ~ |}{556             of      !@#$%^&*())        lines
in
this
comme-
nt! -->

Answer 1

这个功能稍作调整应该可以工作：-

 private string RemoveHTMLComments(string input)
    {
        string output = string.Empty;
        string[] temp = System.Text.RegularExpressions.Regex.Split(input, "<!--");
        foreach (string s in temp)
        {
            string str = string.Empty;
            if (!s.Contains("-->"))
            {
                str = s;
            }
            else
            {
                str = s.Substring(s.IndexOf("-->") + 3);
            }
            if (str.Trim() != string.Empty)
            {
                output = output + str.Trim();
            }
        }
        return output;
    }

不确定它是否是最好的解决方案...

Answer 2

您可以使用Html Agility Pack .NET 库。这是一篇解释如何在 SO 上使用它的文章：How to use HTML Agility pack

这是删除 cmets 的 C# 代码：

    HtmlDocument doc = new HtmlDocument();
    doc.Load("yourFile.htm");

    // get all comment nodes using XPATH
    foreach (HtmlNode comment in doc.DocumentNode.SelectNodes("//comment()"))
    {
        comment.ParentNode.RemoveChild(comment);
    }
    doc.Save(Console.Out); // displays doc w/o comments on console

Answer 3

不是最好的解决方案，而是一个简单的通过算法。应该做的伎俩

List<string> output = new List<string>();

bool flag = true;
foreach ( string line in System.IO.File.ReadAllLines( "MyFile.html" )) {

    int index = line.IndexOf( "<!--" );

    if ( index > 0 )) {
        output.Add( line.Substring( 0, index ));
        flag = false;
    }

    if ( flag ) {
        output.Add( line );
    }

    if ( line.Contains( "-->" )) {
       output.Add( line.Substring( line.IndexOf( "-->" ) + 3 )); 
       flag = true;
   }
}

System.IO.File.WriteAllLines( "MyOutput.html", output );