不破坏html c#的子字符串

Question

大家好，我正在尝试获取已在所见即所得编辑器中输入的描述并获取它的子字符串..

即

This is some <span style="font-weight:bold;">text</span>

如果我只是子字符串并添加，我想限制一些描述而不破坏 html...

它破坏了html标签..

我试过了：

string HtmlSubstring(string html, int maxlength)
    {
        string htmltag = "</?\\w+((\\s+\\w+(\\s*=\\s*(?:\".*?\"|'.*?'|[^'\">\\s]+))?)+\\s*|\\s*)/?>";
        string emptytags = "<(\\w+)((\\s+\\w+(\\s*=\\s*(?:\".*?\"|'.*?'|[^'\">\\s]+))?)+\\s*|\\s*)/?></\\1>";

        var expression = new Regex(string.Format("({0})|(.?)", htmltag));
        MatchCollection matches = expression.Matches(html);
        int i = 0;

        StringBuilder content = new StringBuilder();
        foreach (Match match in matches)
        {
            if (match.Value.Length == 1 && i < maxlength)
            {
                content.Append(match.Value);
                i++;
            }
            else if (match.Value.Length > 1)
            {
                content.Append(match.Value);
            }
        }
        return Regex.Replace(content.ToString(), emptytags, string.Empty);
    }

但它并没有完全让我到达那里！

Answer 1

使用HTML Agility Pack 加载HTML，然后获取InnerText。

var document = new HtmlDocument();
document.LoadHtml("...");
document.DocumentNode.InnerText;

另见C#: HtmlAgilityPack extract inner text