C# 用于删除HTML标记的正则表达式

我使用以下常规表达式从字符串中删除html标记。除非我留下结束标记，否则它会工作。如果我尝试删除：

，它将保留

我根本不知道正则表达式的语法，并且在这里摸索。能否有人与正则表达式知识，请提供一个模式，将工作我

这是我的密码：

  string sPattern = @"<\/?!?(img|a)[^>]*>";
  Regex rgx = new Regex(sPattern);
  Match m = rgx.Match(sSummary);
  string sResult = "";
  if (m.Success)
   sResult = rgx.Replace(sSummary, "", 1);

string sPattern=@“]*>”；
Regex rgx=新的Regex（sPattern）；
匹配m=rgx.Match（sSummary）；
字符串sResult=“”；
如果（m.成功）
sResult=rgx.Replace（sSummary，“，1）；

---

我希望删除第一次出现的

和

标记。

使用正则表达式解析HTML充满了陷阱。HTML不是常规语言，因此无法使用正则表达式100%正确解析。这只是您将遇到的许多问题之一。最好的方法是使用HTML/XML解析器来完成这项工作

这是我不久前写的一篇博文的链接，其中详细介绍了这个问题

也就是说，这里有一个解决方案可以解决这个特殊问题。但这绝不是一个完美的解决方案

var pattern = @"<(img|a)[^>]*>(?<content>[^<]*)<";
var regex = new Regex(pattern);
var m = regex.Match(sSummary);
if ( m.Success ) { 
  sResult = m.Groups["content"].Value;

---

var pattern=@“]*>（？[^所以大家谈论的HTML解析器是

如果是干净的XHTML，还可以使用
System.Xml.Linq.XDocument
或
System.Xml.XmlDocument
以下是我使用简单正则表达式创建的扩展方法，用于从字符串中删除HTML标记：

/// <summary>
/// Converts an Html string to plain text, and replaces all br tags with line breaks.
/// </summary>
/// <returns></returns>
/// <remarks></remarks>
[Extension()]
public string ToPlainText(string s)
{

    s = s.Replace("<br>", Constants.vbCrLf);
    s = s.Replace("<br />", Constants.vbCrLf);
    s = s.Replace("<br/>", Constants.vbCrLf);


    s = Regex.Replace(s, "<[^>]*>", string.Empty);


    return s;
}

//
///将Html字符串转换为纯文本，并用换行符替换所有br标记。
/// 
/// 
/// 
[扩展名（）]
公共字符串ToPlainText（字符串s）
{
s=s.Replace（“
”，Constants.vbCrLf）；
s=s.Replace（“
”，常量.vbCrLf）；
s=s.Replace（“
”，常量.vbCrLf）；
s=Regex.Replace（s，“]*>”，string.Empty）；
返回s；
}

希望这会有所帮助。
您可以使用现有的库来去除html标记。一个很好的方法是。
这是我已经使用了很长时间的扩展方法

public static class StringExtensions
{
     public static string StripHTML(this string htmlString, string htmlPlaceHolder) {
         const string pattern = @"<.*?>";
         string sOut = Regex.Replace(htmlString, pattern, htmlPlaceHolder, RegexOptions.Singleline);
         sOut = sOut.Replace("&nbsp;", String.Empty);
         sOut = sOut.Replace("&amp;", "&");
         sOut = sOut.Replace("&gt;", ">");
         sOut = sOut.Replace("&lt;", "<");
         return sOut;
     }
}

公共静态类StringExtensions
{
公共静态字符串StripHTML（此字符串为htmlString，字符串为htmlPlaceHolder）{
常量字符串模式=@“”；
字符串sOut=Regex.Replace（htmlString，pattern，htmlPlaceHolder，RegexOptions.Singleline）；
sOut=sOut.Replace（“，String.Empty”）；
sOut=sOut.替换（“&；”、“&”）；
sOut=sOut.Replace（“，”>”）；
sOut=sOut.Replace（“，”要将其打开：

'<td>mamma</td><td><strong>papa</strong></td>'

您需要将标记替换为空格：

.replace(/<[^>]*>/g, ' ')

然后使用以下命令修剪前导和尾随空格：

.trim();

这意味着您的remove tag函数如下所示：

function removeTags(string){
  return string.replace(/<[^>]*>/g, ' ')
               .replace(/\s{2,}/g, ' ')
               .trim();
}

函数removeTags（字符串）{
返回字符串。替换（/]*>/g“”）
.replace（/\s{2，}/g'，）
.trim（）；
}
为了删除标记之间的空格，您可以使用以下方法组合使用正则表达式和修剪输入html开头和结尾的空格：

    public static string StripHtml(string inputHTML)
    {
        const string HTML_MARKUP_REGEX_PATTERN = @"<[^>]+>\s+(?=<)|<[^>]+>";
        inputHTML = WebUtility.HtmlDecode(inputHTML).Trim();

        string noHTML = Regex.Replace(inputHTML, HTML_MARKUP_REGEX_PATTERN, string.Empty);

        return noHTML;
    }

公共静态字符串StripHtml（字符串inputtml）
{
常量字符串HTML_标记_正则表达式_模式=@“]+>\s+（？=”；
inputHTML=WebUtility.HtmlDecode（inputHTML.Trim（）；
string noHTML=Regex.Replace（inputtml，HTML\u MARKUP\u Regex\u PATTERN，string.Empty）；
返回noHTML；
}

因此，对于以下输入：

      <p>     <strong>  <em><span style="text-decoration:underline;background-color:#cc6600;"></span><span style="text-decoration:underline;background-color:#cc6600;color:#663333;"><del>   test text  </del></span></em></strong></p><p><strong><span style="background-color:#999900;"> test 1 </span></strong></p><p><strong><em><span style="background-color:#333366;"> test 2 </span></em></strong></p><p><strong><em><span style="text-decoration:underline;background-color:#006600;"> test 3 </span></em></strong></p>      

测试文本测试1测试2测试3

输出将仅为html标记之间没有空格或html前后没有空格的文本：
“测试文本测试1测试2测试3”

请注意，
测试文本
之前的空格来自
测试文本
html，
测试3
之后的空格来自
测试3
html。
使用c#中的正则表达式从字符串中删除图像（图像搜索由图像id执行）

stringprq=
var regex=new regex（“（match.Groups[1].Value+”）；
可以使用：

Regex.Replace(source, "<[^>]*>", string.Empty);

Regex.Replace（源代码“]*>”，string.Empty）；
为什么不尝试不情愿的量词？
htmlString.replaceAll（“，”）

（这是Java，但最重要的是展示这个想法）
去掉HTML元素（带/不带属性）
/|/g

这将去除所有HTML元素并留下文本。即使对于格式错误的HTML元素（即缺少结束标记的元素），这也很有效

（例10）
简单方法

String html = "<a>Rakes</a> <p>paroladasdsadsa</p> My Name Rakes";

html = html.replaceAll("(<[\\w]+>)(.+?)(</[\\w]+>)", "$2");

System.out.println(html);

String html=“Rakesparoladasdsadsa
My Name Rakes”；
html=html.replaceAll（“（.+？）（）”，“$2”）；
System.out.println（html）；
如果只需要查找开始标记，可以使用以下正则表达式，它将标记类型捕获为$1（a或img），内容（包括结束标记，如果有）捕获为$2：

（？：]*）？>（？：（？！）\s*（？：（？！这段代码可以帮助您轻松删除任何html标记：

import re
string = str(<a href="blah">blah</a>)
replaced_string = re.sub('<a.*href="blah">.*<\/a>','',string) // remember, sub takes 3 arguments.

重新导入
string=str（）
替换的_string=re.sub（'.''，''，string）//记住，sub接受3个参数。

输出是一个空字符串。
如果您所要做的只是删除标记（而不知道结束标记在哪里），我真的不知道人们为什么对它如此担心

这个正则表达式似乎可以处理任何我可以扔给它的东西：

-整个过程以任意数量的空格结束，然后是结束括号

显然，如果有人向它抛出超级无效的html，这会搞砸，但它适用于我提出的任何有效的东西。在这里测试它：


const regex=/string前后的示例将有助于“我正在使用…正则表达式删除html标记”这是您的问题。请改用html解析器。可能重复的-，尽管标题不同，这是一个完全重复的示例。Promise。因为其他人看不到
Regex.Replace(source, "<[^>]*>", string.Empty);

/<\/?[\w\s]*>|<.+[\W]>/g

String html = "<a>Rakes</a> <p>paroladasdsadsa</p> My Name Rakes";

html = html.replaceAll("(<[\\w]+>)(.+?)(</[\\w]+>)", "$2");

System.out.println(html);

(?:<(a|img)(?:\s[^>]*)?>)((?:(?!<\1)[\s\S])*)

(?:<(a|img)(?:\s[^>]*)?>)\s*((?:(?!<\1)[\s\S])*)\s*(?:<\/\1>)

import re
string = str(<a href="blah">blah</a>)
replaced_string = re.sub('<a.*href="blah">.*<\/a>','',string) // remember, sub takes 3 arguments.