如何在C#中删除html标签

Question

可能重复:
如何使用C#清理HTML标记

在C#中删除HTML标记的最佳方法是什么？

Answer 1

  public static string StripHTML(string htmlString)
  {

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

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

Answer 2

获取HTML字符串或文档,并使用HTML Agility Pack进行解析.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,例如SelectNodes访问您感兴趣的文档部分.

如果您选择使用其他方法,请注意使用正则表达式解析HTML(非常规语言)被广泛认为是一个坏主意.

无论采用何种方法,如果要保留一些标记,请使用白名单方法.这意味着删除所有未明确需要的内容.

Answer 3

为了保证没有 HTML 标签通过，请使用：HttpServerUtility.HtmlEncode(string);。

如果你想让一些人通过，你可以使用这种“白名单”的方法。

更新：该代码中发现了一些漏洞；正如Fog Creek 的一位开发人员告诉我们的那样。

（第二个链接包含代码）。