.net 从文本字符串中删除MS Office垃圾邮件

我有一个字符串，其中包含一堆MS Word垃圾，如下所示：

我尝试了下面的函数来删除它，但它们只删除了部分，并留下了大量空白：

Public Function CleanOfficeJunk(html As String) As String
    ' start by completely removing all unwanted tags 
    html = System.Text.RegularExpressions.Regex.Replace(html, "<[/]?(font|span|xml|del|ins|[ovwxp]:\w+)[^>]*?>", "", System.Text.RegularExpressions.RegexOptions.IgnoreCase)
    ' then run another pass over the html (twice), removing unwanted attributes 
    html = System.Text.RegularExpressions.Regex.Replace(html, "<([^>]*)(?:class|lang|style|size|face|[ovwxp]:\w+)=(?:'[^']*'|""[^""]*""|[^\s>]+)([^>]*)>", "<$1$2>", System.Text.RegularExpressions.RegexOptions.IgnoreCase)
    html = System.Text.RegularExpressions.Regex.Replace(html, "<([^>]*)(?:class|lang|style|size|face|[ovwxp]:\w+)=(?:'[^']*'|""[^""]*""|[^\s>]+)([^>]*)>", "<$1$2>", System.Text.RegularExpressions.RegexOptions.IgnoreCase)
    Return html
End Function

公共函数CleanOfficeJunk（html作为字符串）作为字符串
'首先完全删除所有不需要的标记
html=System.Text.RegularExpressions.Regex.Replace（html，“]*？>”，“”，System.Text.RegularExpressions.RegexOptions.IgnoreCase）
'然后在html上运行另一个过程（两次），删除不需要的属性
html=System.Text.RegularExpressions.Regex.Replace（html，“]*）（？：class | lang | style | size | face |[ovwxp]：\w+=（？：“[^']*”|【^\s>]+）（[^>]*）>，”，System.Text.RegularExpressions.RegexOptions.IgnoreCase）
html=System.Text.RegularExpressions.Regex.Replace（html，“]*）（？：class | lang | style | size | face |[ovwxp]：\w+=（？：“[^']*”|【^\s>]+）（[^>]*）>，”，System.Text.RegularExpressions.RegexOptions.IgnoreCase）
返回html
端函数

我在SQLServerReportingService（SSRS）报告中使用它，需要在文本框中显示字符串之前清除这些字符串

有没有更好的方法来移除这样的东西

编辑：我确实看到了这篇文章

---

但在我的情况下，接受的答案似乎不起作用。

您应该尝试将占位符属性设置为HTML。这解决了我的问题

---

您的字符串是否可能包含良好的

<或>

。如果不是，为什么不删除

<和>

中包含的所有内容……它可能包含一个
在这里或那里。ThanksLast问题，您是否只希望指定标记之间的文本？基本上只针对您需要的标签allow@Codexer我只想删除xml和样式标记之间的所有内容。如果有这样的事，你好。。。那我就留着吧谢谢