我有使用正则表达式准备字符串的问题。 我写了这个功能:使用C#去除HTML标签
private String parseAnswer(String res)
{
String[] pattern = new String[16] { "<head[^>]*?>.*?</head>", "<style[^>]*?>.*?</style>", "<script[^>]*?.*?</script>", "<object[^>]*?.*?</object>", "<embed[^>]*?.*?</embed>", "<applet[^>]*?.*?</applet>", "<noframes[^>]*?.*?</noframes>", "<noscript[^>]*?.*?</noscript>", "<noembed[^>]*?.*?</noembed>", "</?((address)|(blockquote)|(center)|(del))", "</?((div)|(h[1-9])|(ins)|(isindex)|(p)|(pre))", "</?((dir)|(dl)|(dt)|(dd)|(li)|(menu)|(ol)|(ul))", "</?((table)|(th)|(td)|(caption))", "</?((form)|(button)|(fieldset)|(legend)|(input))", "</?((label)|(select)|(optgroup)|(option)|(textarea))", "</?((frameset)|(frame)|(iframe))" };
String[] replacement = new String[16] { " ", " ", " ", " ", " ", " ", " ", " ", " ", "\n$0", "\n$0", "\n$0", "\n$0", "\n$0", "\n$0", "\n$0" };
for (int i = 0; i < pattern.Length; i++)
{
res = Regex.Replace(res, pattern[i], replacement[i]);
}
return res;
}
这个函数获取HTML代码作为输入。我想清除一些HTML标签。要做到这一点,我准备了阵列的模式。但似乎我的功能并没有清除HTML代码。 我的模式是我想要移除的HTML标记列表。我不删除一些标签,但只添加\ n。
你能帮我这个正则表达式吗?或者给我任何图书馆做任务?我的目标是删除HTML标签,只接收网站文本解析。
编辑: 好吧我可以使用HTMLAgilityPack,但我有几个问题: htmlDoc.LoadHtml(URL); - 我需要翻译结果为UTF8 - > HTMLAgilityPack有任何功能转换? 第二个通常我想将InnerText的结果放到Json并发送给Javascript。 我如何删除字符与禁止在Javascript中?