C# 如何从字符串中删除命名的HTML标记和内容？
我试图理解一些例子，包括这里的问题，所以如果我觉得这是重复的，我道歉，但我找不到一个我能理解的常规表达方式。C# 如何从字符串中删除命名的HTML标记和内容？,c#,html,regex,silverlight,parsing,C#,Html,Regex,Silverlight,Parsing,我试图理解一些例子，包括这里的问题，所以如果我觉得这是重复的，我道歉，但我找不到一个我能理解的常规表达方式。 我有一些HTML需要使用XML解析器进行解析，但我想从这些内容中去掉标记，因为其余的标记对于正常的XML解析足够有效。 必须删除要删除的标记及其内容，以便外部HTML不受标记等的影响。 这是一节，包括我想删除的头HTML，以供参考： <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" > <html
我有一些HTML需要使用XML解析器进行解析，但我想从这些内容中去掉标记，因为其余的标记对于正常的XML解析足够有效。 必须删除要删除的标记及其内容，以便外部HTML不受标记等的影响。
这是一节，包括我想删除的头HTML，以供参考：
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" >
<html>
<head>
<link rel="stylesheet" type="text/css" href="/style/stylesheet.css" />
<meta name="description" content="Information" />
<base target="_top">
</head>
<body>
<!-- Body Here -->
</body>
</html>
正则表达式和HTML是一个sin…您可以使用string.Substring+string.IndexOf来提取body XML元素 代码应该是这样的：
MyHtml.Substring(sHtml.IndexOf("<body>"), sHtml.IndexOf("</body>") - sHtml.IndexOf("<body>") + 7);
MyHtml.Substring（sHtml.IndexOf（“”），sHtml.IndexOf（“”）-sHtml.IndexOf（“”+7）；
MyHtml.Substring(sHtml.IndexOf("<body>"), sHtml.IndexOf("</body>") - sHtml.IndexOf("<body>") + 7);
MyHtml.Substring（sHtml.IndexOf（“”），sHtml.IndexOf（“”）-sHtml.IndexOf（“”+7）；
@"\<body\>(.*?)\</body\>"
@“\（*？）
现在我可以正常地用LINQ解析为XML了 提取主体更容易-以下是我使用的正则表达式：
@"\<body\>(.*?)\</body\>"
@“\（*？）
现在我可以正常地用LINQ解析为XML了 我相信这是正常情况下的理想选择-但是比我需要的要多-只需要删除标签和内容一件事-只要删除头部标签之间的所有内容，以及头部标签本身-这就是我所需要的，除非性能至关重要，否则我仍然会使用HTML Agility pack，因为它更健壮。您还将发现，试图将HTML解析为XML的问题比您想象的要多（例如，chracter实体）。我确信这通常是理想的-但是远不止我需要的-只需要删除标记和内容一件事-只要删除头标记之间的所有内容，以及头标记本身-这就是我所需要的，除非性能至关重要，否则我仍然会使用HTML Agility pack，因为它更健壮。您还将发现，试图将HTML解析为XML的问题比您想象的要多（例如chracter实体）。从其余部分提取正文可能是正确的方法，谢谢！把尸体从其他地方取出来可能是正确的方法，谢谢！除非您控制HTML并确保其格式正确，