从 HTML 字符串中剥离所有链接 - 正则表达式？答案

【问题标题】：Strip all Links From HTML String - Regex?从 HTML 字符串中剥离所有链接 - 正则表达式？
【发布时间】：2010-11-05 15:40:13
【问题描述】：

我有一个字符串，它基本上是具有正常格式（p 标签、粗体等）的内容块，有时包含编辑器放入的 HTML 链接。

但我想保留所有其他 HTML，只是去掉链接。但不确定执行此操作的最快和最有效的方法，因为字符串可能很大（因为它们是文章）

非常感谢任何代码示例:)

【问题讨论】：

你想要没有超链接的 html 吗？表示带有 p、粗体、斜体标签格式的纯文本，对吧？
您想在服务器端（如使用 PHP 等）或客户端（只需使用 Javascript 更改显示的 HTML）？
@JP19 - 凭借 C#，我假设服务器或离线。
...现在你有两个问题...

标签： c# html regex

【解决方案1】：

不是很准确，但一个惰性方法是将"<a " 替换为"<span " 和"</a>" 替换为"</span>"。更准确的结果是在 DOM 中解析它：

string html;
using (var client = new WebClient()) {
    html = client.DownloadString("http://stackoverflow.com");
}
var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);
HtmlNode node;
// loop this way to avoid issues with nesting, mutating the set, etc
while((node = doc.DocumentNode.SelectSingleNode("//a")) != null) {
    var span = doc.CreateElement("span");
    span.InnerHtml = node.InnerHtml;
    node.ParentNode.InsertAfter(span, node);
    node.Remove();
}
string final = doc.DocumentNode.OuterHtml;

但是请注意，删除链接标签可能会改变样式，例如，如果有 a.someClass { ... } 或 a someNested {...} 形式的 css 样式

注意上面的代码；你也可以试试更直接的：

foreach(var node in doc.DocumentNode.SelectNodes("//a")) {
    var span = doc.CreateElement("span");
    span.InnerHtml = node.InnerHtml;
    node.ParentNode.InsertAfter(span, node);
    node.Remove();
}

但我不确定这是否会导致某些嵌套结构的突变/迭代出现问题...

【讨论】：