将 unicode 添加到字符串 html 标记模式

Posted 2023-03-05

【中文标题】将 unicode 添加到字符串 html 标记模式

【英文标题】：Add unicode to a string html tag pattern

【发布时间】：2018-06-07 11:39:22

【问题描述】：

在 SSIS 中运行时，我正在使用以下 C# 脚本从描述列中删除 html 标记。我试图将以下 unicode : 添加到下面的字符串 htmlTagPattern 中，但我无法让它工作。

感谢任何帮助。

public class ScriptMain : UserComponent

    public override void Input0_ProcessInputRow(Input0Buffer Row)
        
         Row.Message = RemoveHtml(Row.Message);
    
   public String RemoveHtml(String message)
   
       String htmlTagPattern = "<(.|\n)+?>";
        Regex objRegExp = new Regex(htmlTagPattern);
        message = objRegExp.Replace(message, String.Empty);
        return message;
    

【问题讨论】：

System.Web.HttpUtility.HtmlDecode([你的 html 字符串]) 怎么样

@DavidF 你能添加一个简单的数据和预期的输出吗，如果是关于解码 html，如果使用 .Net 框架 4 或更高版本，你可以从 HtmlAgilityPack 或 System.Net 库中受益正如 KeithL 建议的那样

永远不要使用(.|\n)+?，它是性能杀手。在你的情况下，使用<[^>]+>

建议是数据样本和我们要删除的字符。 div class="ExternalClass4129293D586D41AC85272E1A543E69AE">这是一个 SharePoint 测试... 当前链接两个以上收件人记录的过程非常耗时，并且需要过多的手动干预。对链接过程进行必要的更改，以允许多个记录中的两个进行链接，即使有两个以上的记录满足匹配条件。

: \n

【参考方案1】：

有很多方法可以将 HTML 转换为纯文本：

使用 HTMLAgilityPack 库

您可以从提供的示例中获取代码：

HTMLAgilityPack HtmlConvert Samples

您可以从以下链接下载 HTMLAgilitypack：

HTMLAgilityPack website HTMLAgilityPack on codeplex

使用 System.Net

如果您使用 .Net 框架 4 或更高版本，您可以从 System.Net 库中受益，该库包含从 HTML 获取纯文本的方法：

System.Net.HttpUtility.HtmlDecode(Row.Column)

参考：

HttpUtility.HtmlDecode Method

使用正则表达式

您可以点击以下链接之一了解更多详情：

How can I strip HTML tags from a string in ASP.NET? C# Remove HTML tags How do you convert Html to plain text?