用正则表达式去除 html，除了包含字符的标签 [重复]

Posted 2023-04-13

【中文标题】用正则表达式去除 html，除了包含字符的标签 [重复]

【英文标题】：Strip html with regex, except tags that contains a character [duplicate]

【发布时间】：2020-04-21 18:57:50

【问题描述】：

我有一个将电子邮件导入数据库的程序。为了使电子邮件在另一个程序中更具可读性，我必须将其剥离为 html。我正在使用此字符串扩展名来剥离 html。

public static string StripHtml(this string input)

   return Regex.Replace(input, "<.*?>", String.Empty);

问题是当我复制转发的邮件时，发件人的电子邮件写在标签内。

有没有办法使用正则表达式删除所有标签，除了包含@或电子邮件的标签？

这里的解决方案是一种可能的方式：Remove html tags except <br> or <br/> tags with javascript。但如果有办法只使用正则表达式，我更愿意这样做。

【问题讨论】：

试试这个<[^@]*?>

【参考方案1】：

您可以通过在原始正则表达式中添加额外条件来使用以下Regex 来满足您的要求：

<.[^@]*?>

工作演示：https://regex101.com/r/CNOvS7/1/

【参考方案2】：

使用 [^@]* 代替 .* 这是一个除@之外的任何字符集。 ^ 代表“不”。例如，您也可以执行类似 [^0-9]* 的操作来排除所有数字。