C# 移除<；部门>'；是从文本文件吗？

我在C#net上做了一个小程序，它实际上没有什么用处，它根据今天的新闻lol告诉你你的厄运概率。它从BBC网站上下载一个RSS，然后寻找关键字，要么增加要么减少厄运概率

这是一个疯狂的小项目，也许有一天这些课程会派上用场，用于更重要的事情

我收到了一个xml格式的RSS，但是它包含了很多div标签和格式化字符，我真的不希望这些字符出现在关键字数据库中

删除这些不需要的字符和div的最佳方法是什么

谢谢

---

最简单的方法是使用正则表达式。比如：

string txt = Regex.Replace(htmlString, @"<(.|\n)*?>", string.Empty);

string txt=Regex.Replace（htmlString，@“”，string.Empty）；

当然，根据要删除的标记和字符，您将修改正则表达式。如果你在网上搜索，你会发现很多关于这个和其他方法的资料

---

所以，这个问题也可能对您有所帮助。

从给定字符串中剥离HTML标记是一个常见的要求，您可能会在网上找到许多为您这样做的资源

然而，公认的方法是使用基于正则表达式的搜索和替换。提供了一个很好的示例和基准测试。另一点值得一提的是，对于所看到的不同种类的不需要的字符，需要单独的基于正则表达式的查找。（也许向我们展示一个您收到的HTML示例会有所帮助）

---

请注意，您的要求可能因要删除的标记而异。在您的问题中，您只提到DIV标记。如果这是您需要替换的唯一标记，那么简单的字符串搜索和替换就足够了。

正则表达式如下：

<([A-Z][A-Z0-9]*)\b[^>]*>(.*?)</\1> 

]*>（**？）

将突出显示所有HTML标记

---

使用此选项可将其从数据中删除。

如果要同时删除包含内容的DIV标记，请执行以下操作：

string start = "<div>";
string end = "</div>";
string txt = Regex.Replace(htmlString, Regex.Escape(start) + "(?<data>[^" + Regex.Escape(end) + "]*)" + Regex.Escape(end), string.Empty);

string start=”“；
字符串结束=”；
string txt=Regex.Replace（htmlString，Regex.Escape（start）+“（？[^”+Regex.Escape（end）+“]*）”+Regex.Escape（end），string.Empty）；

输入：

junkXXXjunk2

---

输出：

XXX

这是一个有效的答案，但它基本上删除了所有聊天参与者，然后在他们的位置放置一个空格，该空格一旦拆分为一个数组，就会在数据库中留下大量空白。我该如何解决这个问题？还有什么方法可以添加一个参数来删除像/n和/t这样的字符吗？不知道为什么会看到额外的空格-string。Empty会将标记替换为“”，而不是“”。可能您没有去除RSS中多余的空白（制表符“\t”、换行符“\n”等）-您可能希望进一步替换这些空白，或者添加它们。听起来不错，我们从哪里可以得到它：在编写正则表达式时，是否有一定的字符顺序？上面的答案是一个更轻的表达？或者它不会删除所有字符吗？老实说，我在这里提到的正则表达式也会删除标记中的所有内容。这可能不是你想要的。哦，好吧，我明白了，你定义了开始和结束标记，并基本上删除了所有标记！这正是我需要的，谢谢！