剥去字符串中的html标签

Question

我有一个程序,我正在编写,应该从字符串中删除html标签.我一直在尝试替换所有以"<"开头并以">"结尾的字符串.这(显然是因为我在这里问这个)到目前为止还没有奏效.这是我尝试过的:

StrippedContent = Regex.Replace(StrippedContent, "\<.*\>", "")

这只是返回原始字符串的随机部分.我也试过了

For Each StringMatch As Match In Regex.Matches(StrippedContent, "\<.*\>")
    StrippedContent = StrippedContent.Replace(StringMatch.Value, "")
Next

哪个做了同样的事情(返回看起来像原始字符串的随机部分).有一个更好的方法吗？更好的我指的是一种有效的方式.

Answer 1

描述

这个表达式将:

• 找不到任何标签并替换所有标签
• 避免有问题的边缘情况

正则表达式: <(?:[^>=]|='[^']*'|="[^"]*"|=[^'"][^\s>]*)*>

替换为:没有

例

示范文本

注意鼠标悬停功能中的困难边缘情况

these are <a onmouseover=' href="NotYourHref" ; if (6/a>3) { funRotator(href) } ; ' href=abc.aspx?filter=3&prefix=&num=11&suffix=>the droids</a> you are looking for.

码

Imports System.Text.RegularExpressions
Module Module1
  Sub Main()
    Dim sourcestring as String = "replace with your source string"
    Dim replacementstring as String = ""
    Dim matchpattern as String = "<(?:[^>=]|='[^']*'|=""[^""]*""|=[^'""][^\s>]*)*>"
    Console.Writeline(regex.Replace(sourcestring,matchpattern,replacementstring,RegexOptions.IgnoreCase OR RegexOptions.IgnorePatternWhitespace OR RegexOptions.Multiline OR RegexOptions.Singleline))
  End Sub
End Module

更换后的字符串

these are the droids you are looking for.