查找特定文本并过滤掉其余文本答案

【问题标题】：Finding certain text and filtering the rest out查找特定文本并过滤掉其余文本
【发布时间】：2012-10-17 20:07:57
【问题描述】：

假设我有这个字符串（巨大的），我想过滤掉除我要查找的内容之外的所有内容。这是我想要的一个例子：

<strong>You</strong></font> <font size="3" color="#05ABF8">
<strong>Shook</strong></font> Me All <font size="3" color="#05ABF8">
<strong>Night</strong></font> <font size="3" color="#05ABF8">
<strong>Long</strong></font> mp3</a></div>

如您所见，所有这些之间都有文字。我想得到“You Shook Me All Night Long”，然后把剩下的拿出来。我将如何完成这项工作？

【问题讨论】：

阅读stackoverflow.com/questions/4878452/remove-html-tags-in-string和/或stackoverflow.com/questions/787932/…
和/或stackoverflow.com/a/1732454/414076
“mp3”呢，你也需要截取吗？
@Maxim，是的，我也想要那个。无论如何，Mate 的回应让我得到了我需要的帮助。这是我发现有用的代码：String result = Regex.Replace(htmldoc, @"<[^>]*>", String.Empty);。谢谢。
@user1667191 是的，看起来不错，不用担心。

标签： c# regex http

【解决方案1】：

假设您在您发布的 xml/html 结尾处有结束 </a></div> 的有效开始标签。

string value = XElement.Parse(string.Format("<root>{0}</root>", yourstring)).Value;

或者剥离Html的方法：

public static string StripHTML(this string HTMLText)
{
    var reg = new Regex("<[^>]+>", RegexOptions.IgnoreCase);
    return reg.Replace(HTMLText, "").Replace("&nbsp;", " ");
}

【讨论】：

你不应该使用 LINQ2XML 来解析 html

【解决方案2】：

您可以使用以下正则表达式：>([\s|\w]+)<

var input = @"
<strong>You</strong></font> <font size='3' color='#05ABF8'>
<strong>Shook</strong></font> Me All <font size='3' color='#05ABF8'>
<strong>Night</strong></font> <font size='3' color='#05ABF8'>
<strong>Long</strong></font> mp3</a></div>";

var regex = new Regex(@">(?<match>[\s|\w]+)<");

var matches = regex.Matches(input).Cast<Match>()
   // Get only the values from the group 'match'
   // So, we ignore '<' and '>' characters
   .Select(p => p.Groups["match"].Value);

// Concatenate the captures to one string
var result = string.Join(string.Empty, matches)
    // Remove unnecessary carriage return characters if needed
    .Replace("\r\n", string.Empty);

【讨论】：