在保留 P、BR、UL、OL 的同时将 HTML 转换为纯文本？答案

【问题标题】：Convert HTML to Plain Text while preserving P, BR, UL, OL?在保留 P、BR、UL、OL 的同时将 HTML 转换为纯文本？
【发布时间】：2012-01-15 05:05:45
【问题描述】：

在从 HTML 文本导出到 Excel 工作表期间，我试图保留基本格式，例如 HTML 换行符（<br>、<p>）、列表（<ol>、<ul>）等。

示例输入：

<p>This is a test.</p>
<p>This is another<br>test.</p>

<ul>
    <li>10</li>
    <li>20</li>
    <li>30</li>
</ul>

<p>End.</p>

示例输出：

This is a test.

This is another
test.

- 10
- 20
- 30

End.

来自著名的 NirSoft 的免费实用程序 HTMLAsText 似乎正是我想要的，不幸的是它没有源代码：

即使在检查了大约。在 Stack Overflow 上有 20 个类似的问题并在 Google 上浏览了几个小时，我能找到的最接近的问题是 this Code Project article。

因此我的问题是：

是否有人知道可以将 HTML 转换为纯文本同时保留基本格式的类/库？

2013 年 5 月 10 日更新

我最终得到了一个函数，see the full code over at Pastebin。

【问题讨论】：

【解决方案1】：

你能不能自己通过替换来做到这一点：

<br /> with Environment.NewLine
</p> with Environment.NewLine + Environment.NewLine
<li> with " - ".

然后用正则表达式去掉 HTML 的其余部分？它似乎可以实现您想要的示例输出。当然，有人可能有一个更优雅的解决方案。 =)

【讨论】：

【解决方案2】：

您是否尝试过使用 this one 并将“允许的标签”设置为您想要的标签？

【讨论】：

谢谢，@Paul。实际上，我确实 not 想要允许任何 HTML 标记，但我更希望删除所有 HTML 标记的纯 HTML，并用它们的纯文本等效项替换好的标记。我正在更新我的问题。
加 1，我在这个页面上寻找这个，我需要消毒剂。