完整的 HTML Strip 功能答案

【问题标题】：Complete HTML Strip function完整的 HTML Strip 功能
【发布时间】：2015-05-04 10:37:34
【问题描述】：

我有一个这样的 HTML 字符串：

<p>First Sentence is this.&#160;Second sentence is this.</p>

我可以使用regex 函数从上述字符串中删除<p> 标签。

但是，如何从winforms 中的上述字符串中删除&#160; - 编码字符？

我不希望&#160; 出现在输出中。

【问题讨论】：

你理解你复制粘贴的正则表达式吗？它根本不会触及&#160;。您还需要取消编码 HTML 编码的实体。如何做到这一点有很好的记录。参见例如How can I decode HTML characters in C#?。

标签： c# html .net regex winforms

【解决方案1】：

您可以使用XElement.Parse 来获取节点值，如下所示：

 var htmlString = "<p>First Sentence is this.&#160;Second sentence is this.</p>";
 var result = System.Xml.Linq.XElement.Parse(htmlString).Value;

如果不是所有的字符串都包含有效的 XML 结构，或者可能根本没有标签，你可以像这样添加假标签：

 var htmlString = "<p>First Sentence is this.&#160;Second sentence is this.</p>";
 var result = System.Xml.Linq.XElement.Parse("<root>" + htmlString + "</root>").Value;

结果：

您可能希望为此添加错误处理，但这显然比为此使用正则表达式更好。

编辑：

如果这仍然不起作用，而您只想处理实体，则可以利用 System.Web.HttpUtility.HtmlDecode 方法将 HTML 实体替换为文字：

var final_result = System.Web.HttpUtility.HtmlDecode(result);

【讨论】：

我正在使用 winforms 并且 System.Xml.Linq 没有被填充。
我认为添加对System.Xml.Linq.dll（也许是System.Xml.dll）的引用应该可以解决它。另外，尝试将using System.Linq; 和using System.Xml.Linq; 添加到 using 语句列表中。
我现在尝试添加System.Xml.Linq dll。我得到的输出是<p>First Sentence is this.Second sentence is this.</p>，也就是说，我现在得到的是html标签。
你能告诉我你拥有的完整代码吗？使用pastebin.com，例如我猜你有&lt;p&gt; 而不是<p>，对吧？试试var result = System.Xml.Linq.XElement.Parse(htmlString.Replace("&lt;", "<").Replace("&gt;", ">").Replace("&amp;", "&")).Value;
太棒了。我不反对使用正则表达式，尤其是。在这种情况下。也许，您也可以尝试使用HtmlDocument。我会测试，然后告诉你。

【解决方案2】：

考虑到输入是纯字符串的事实

string x = "<p>First Sentence is this.&#160;Second sentence is this.</p>";
x= x.Replace("&#160;"," ");

这太简单了，但会奏效。

【讨论】：