C#初学者：删除字符串中两个字符之间的所有字符（正则表达式？）

Posted 2023-03-05

【中文标题】C#初学者：删除字符串中两个字符之间的所有字符（正则表达式？）

【英文标题】：C# Beginner: Delete ALL between two characters in a string (Regex?)

【发布时间】：2013-12-17 06:37:59

【问题描述】：

我有一个带有 html 代码的字符串。我想删除所有 html 标签。所以 之间的所有字符。

这是我截取的代码：

WebClient wClient = new WebClient();
SourceCode = wClient.DownloadString( txtSourceURL.Text );
txtSourceCode.Text = SourceCode;
//remove here all between "<" and ">"
txtSourceCodeFormatted.Text = SourceCode;

希望有人可以帮助我

【问题讨论】：

如果 < 和 > 字符出现在 cmets、脚本、字符串等中怎么办？

不，不要使用正则表达式来解析 HTML 字符串。一场真正的噩梦在等着你。这是 SO 中最受欢迎的答案之一。 ***.com/questions/1732348/… 最好的方法是使用专门的 HTML 解析器，例如 HTML Agility Pack

@Steve 我最喜欢的答案:)

在这种情况下使用 .NET XML-Parser 也可能有效？还是我错了？

【参考方案1】：

试试这个：

txtSourceCodeFormatted.Text = Regex.Replace(SourceCode, "<.*?>", string.Empty);

但是，正如其他人提到的，handle with care。

【讨论】：

请注意，在极少数情况下，这可能会导致意外行为！

【参考方案2】：

根据Ravi's answer，可以使用

string noHTML = Regex.Replace(inputHTML, @"<[^>]+>|&nbsp;", "").Trim();

或

string noHTMLNormalised = Regex.Replace(noHTML, @"\s2,", " ");