什么是正则表达式和C#代码来去除除链接以外的任何html标记？

我在SQLServer2005中创建了一个CLR用户定义函数，用于清理大量数据库表

任务是删除除链接以外的几乎所有标记（

'a'

标记及其

'href'

属性）。所以我把问题分为两个阶段。1.创建用户定义的sql server函数，以及2。创建sql server脚本以更新调用clr函数的所有相关表

对于用户定义的函数和受限环境，我更喜欢使用本机库。这意味着，例如，不使用Html敏捷包

在javascript中，这个正则表达式显然做了正确的工作：

 <\s*a[^>]\s*href=(.*)>(.*?)<\s*/\s*a>

]\s*href=（.*）>（.*）

至少，根据

但是，我不知道如何将其（特别是捕获组部分）转换为C代码，以将文本用作输出的一部分

例如，如果输入为：

---

如何保存文本

“http://example.com“

和

“一些文本”

作为C#代码输出的一部分，同时剥离任何其他可能的html标记（及其内容）？

不像Jordan的那样防弹，而是使用匹配的示例：

var pattern = @"<.*href=""(?<url>.*)"".*>(?<name>.*)</a>";
var matches = Regex.Matches(input, pattern);
foreach (Match match in matches)
{
    var groups = match.Groups;
    Console.WriteLine("{0}, {1}", groups["url"], groups["name"]);
}

var模式=@“（？*”；
var matches=Regex.matches（输入，模式）；
foreach（匹配中的匹配）
{
var groups=match.groups；
WriteLine（“{0}，{1}”、组[“url”]、组[“name”]）；
}

您的正则表达式完全错误：

<\s*a[^>]\s*href=(.*)>(.*?)<\s*/\s*a>
      ↑            ↑
      1.           2.

]\s*href=（.*）>（.*）
↑            ↑
1.2.

这导致

├───────────────────────────┤ ├─┤
第1组grp2

---

最后。我制作了一个单独的.net控制台程序，将HtmlAgilityPack（HAP）和查询SQL Server结合在一起。在程序中，我确实使用了一个简单的正则表达式来分离片段，并使用HAP检索了href和锚文本，然后用它完成了最后的合成，除去了文本、数字和一些标点符号以外的任何其他字符。

考虑输入：

。你的代码会声称

主页

是URL。到目前为止，你已经收到了几个答案，所有这些答案在正则表达式中都有严重的错误。我对此发表了评论，而作者显然大多删除了他们的答案。这是否足以证明使用正则表达式很难做到正确？那么，对于手头的任务，我还能做些什么呢？

<a href='/one'>One</a> <a href='/two'>Two</a>
        ├───────────────────────────┤ ├─┤
                   group 1            grp2