C# 如何在C中剥离html标记#

可能重复：

---

在C#中剥离HTML标记的最佳方法是什么？

要保证没有HTML标记通过，请使用：

如果你想让一些人通过，你可以用这个

更新：在该代码中发现了一些漏洞；作为一个整体

（第二个链接包括代码）。

公共静态字符串StripHTML（字符串htmlString）
{
字符串模式=@“”；
返回Regex.Replace（htmlString，pattern，string.Empty）；
}

获取您的HTML字符串或文档，并用语法分析它。这将为您提供一个与XmlDocument非常相似的HTMLDocument对象

然后，您可以使用它的方法（如

SelectNodes

）来访问您感兴趣的文档部分

如果您选择使用另一种方法，请注意，使用正则表达式解析HTML（一种非正则语言）被广泛认为是一种有效的方法

---

不管采用哪种方法，如果要保留一些标记，请使用白名单方法。这意味着删除所有不明确需要的内容。

HTMLEncode（“图像标记：”）%%>输出：图像标记：img>，与剥离不同。这取决于他想要的结果。如果他想确保不执行任何HTML标记（从而向XSS开放），那么第一种方法是“最佳”方法。如果他只是想让明文通过，第二种方法的一种变体是“最佳”。他可能想删除标签，在rss提要或其他东西中以明文形式显示。在PHP中，您有一个内置函数，名为which of the sound of it which which which which's which the sound of it which which which which's want。但是白名单解决了这个问题，你也可以使用HTML包或者任何它被称为的东西。实际上，这种方法比上面提到的正则表达式要安全得多。这种方法的唯一缺点是用户可能不想看到编码的HTML。答案中的链接是个坏主意，因为它们有时会断开！你知道你想去掉哪些标签吗？还是全部？即使html标记在将来发生变化，您仍然希望代码正常工作吗？输入是否总是有效的XHTML？重复：HTML Agility Pack为我节省了一天时间+1如果它根本不是一个格式良好的文档怎么办？例如，只要一堆文本中某个地方有一个标记，Agility Pack会帮你解析吗？@EgorPavlikhin是的，它会修复无效的标记并生成一个有效的html文档。+1表示你不应该用正则表达式解析CFG。如果可以的话，我会给你+100分。我很高兴为你服务，mamIck，这个问题在全国重复了很多次，同样糟糕的答案也重复了很多次。正如我在另一篇相同的帖子中所说：“你不应该使用正则表达式来解析像HTML这样的上下文无关语法。如果HTML是由某个外部实体提供的，那么它可以很容易地被操纵来避开你的正则表达式。”我们现在正在使用htmlagilitypack，这取决于你想要实现什么。在不需要质量的情况下，HAP可能非常慢，无法有效地剥离数百万个短字符串；字符串模式=string.Format（“]+类=（[“”]）[^>]*{0}[^>]*\1[^>]*>（.|\n）*？”，cssClassName）；Replace（htmlString，pattern，string.Empty）；

  public static string StripHTML(string htmlString)
  {

     string pattern = @"<(.|\n)*?>";

     return Regex.Replace(htmlString, pattern, string.Empty);
  }