如何从word内容中删除html标签？答案

【问题标题】：How to remove html tags from word content?如何从word内容中删除html标签？
【发布时间】：2014-06-29 21:44:07
【问题描述】：

我知道有几个关于它的线程说只是使用

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

但我不能在用 word doc 编写的文本中使用它。我的代码是这样的：

Microsoft.Office.Interop.Word.Document wBelge = oWord.Documents.Add(ref oMissing,
    ref oMissing, ref oMissing, ref oMissing);
Microsoft.Office.Interop.Word.Paragraph paragraf2;
paragraf2 = wBelge.Paragraphs.Add(ref oMissing);
paragraf2.Range.Text ="some long text";

我可以通过查找和替换来改变

Word.Find findObject = oWord.Selection.Find;
findObject.ClearFormatting();
findObject.Text = "<strong>";
findObject.Replacement.Text = "";
findObject.Replacement.ClearFormatting();               

object replaceAllc = Word.WdReplace.wdReplaceAll;
findObject.Execute(ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing,
    ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing,
    ref replaceAllc, ref oMissing, ref oMissing, ref oMissing, ref oMissing);

我需要对每个 html 标签都这样做吗？

【问题讨论】：

如果正则表达式失败（我不明白为什么会失败，你能说明你是如何使用它的吗？），你可以创建一个所有标签的列表并使用 for 循环删除所有标签。
@Transcendent，他正在处理 Word.Document 对象，而不是纯文本字符串...
@elgonzo：是的，但是这些段落可以转换为基本字符串，然后正则表达式有效！我说的不对吗？
@Transcendent，我猜他是在谈论他的文档内容中的 HTML 标签（作为文本的一部分），而不是关于 OOXML...
@Transcendent，别介意。这就是著名的“周末心态”。我经常处于那种状态；）

标签： c# html ms-word office-interop

【解决方案1】：

尝试以下方法：

使用 HTML 添加将文本转换为简单字符串

string unFormatted = paragrapf2.ToString(SaveOptions.DisableFormatting));

然后用未格式化的字符串替换 paragraf2 连接。

【讨论】：

谢谢，但是在我将强标签之间的文本加粗后，无论我在 paragraf2.range.text 中更改它都不会更改 word 文档
@ruqo，我想正确理解：您有格式化的文本要替换为未格式化的文本？

【解决方案2】：

在 cmets 提供的一些帮助下，我实现了以下工作解决方案

findObject.ClearFormatting();
findObject.Text = @"\<*\>";
findObject.MatchWildcards=true;                     
findObject.Replacement.ClearFormatting();
findObject.Replacement.Text = "";                       

object replaceAll = Word.WdReplace.wdReplaceAll;
findObject.Execute(ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing,
    ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing,
    ref replaceAll, ref oMissing, ref oMissing, ref oMissing, ref oMissing);

使用搜索模式\<*\>（包含通配符*，因此findObject.MatchWildcards必须设置为true）。

【讨论】：