如何从字符串中去除任何和所有 HTML 标记？ [复制]答案

【问题标题】：How can I strip any and all HTML tags from a string? [duplicate]如何从字符串中去除任何和所有 HTML 标记？ [复制]
【发布时间】：2015-10-07 18:42:35
【问题描述】：

我有一个这样定义的字符串：

private const String REFER_TO_BUSINESS = "<pre> (Refer to business office for guidance and explain below the circumstances for exception to policy or attach a copy of request)</pre>";

...如您所见，它具有“pre”标签，用于保留前面的空格。不过，我想在没有“pre”标签的情况下引用这个字符串。搜索 "

" 和 "

" 并删除它们很容易，但对每种 HTML 标记类型都这样做很快就会变得乏味。

如何在 C# 中从字符串中去除所有标签，无论它们是“

”、“”、“”、“”还是其他？

【问题讨论】：

这是迄今为止答案中正则表达式实现的问题 - 它们破坏了不包含任何 HTML 标记的 x &lt; 6 &amp;&amp; y &gt; 8 之类的字符串。
好点，但不适用于我的用例。
@jdphenix 也许是因为要成为有效的 html，你的字符串应该是 x &lt; 6 &amp;&amp; y &gt; 8
@B.ClayShannon Good point, but doesn't apply to my use case. 如果您的情况总是像您的问题一样简单，那么您可以使用它，但这不是获取html标签之间文本的正确方法。使用 Html 解析器，例如 HtmlAgilityPack。
@EZI 好的 - 你找到我了。没有一个测试用例，因为它是有效的 HTML 并且正则表达式解决方案不起作用。就是……臭。 :)

标签： c# html

【解决方案1】：

尝试正则表达式替换。此模式匹配字符串中的 html 标记。来自here

        var pattern = @"</?\w+((\s+\w+(\s*=\s*(?:"".*?""|'.*?'|[^'"">\s]+))?)+\s*|\s*)/?>";
        var source = "<pre> (Refer to business office for guidance and explain below the circumstances for exception to policy or attach a copy of request)</pre>";
        Regex.Replace(source, pattern, string.Empty);

【讨论】：

【解决方案2】：

这应该做你需要做的事情：

 string stripMeOfHTML = Regex.Replace(stripMeOfHTML, @"<[^>]+>", "").Trim();

【讨论】：

【解决方案3】：

这行得通：

// For strings that have embedded HTML tags for presentation on the form (such as "<pre>" and such), but need to be rendered free of these (such as on the PDF)
private String RemoveHTMLTags(String stringContainingHTMLTags)
{
    String regexified = Regex.Replace(stringContainingHTMLTags, "<.*?>", string.Empty);
    return regexified;
}

【讨论】：