C# HTML 字符串 -> 获取没有 html 的长度答案

【问题标题】：C# HTML string -> get length without htmlC# HTML 字符串 -> 获取没有 html 的长度
【发布时间】：2016-08-24 12:31:49
【问题描述】：

我有带有 HTML 图像的字符串，例如：

string str = "There is some nice <img alt='img1' src='img/img1.png' /> images in this <img alt='img2' src='img/img2.png' /> string. I would like to ask you <img alt='img3' src='img/img3.png' /> how Can I can I get the Lenght of the string?";

我想得到没有图像和图像数量的字符串的长度。所以，结果应该是：

int strLenght = 111;
int imagesCount= 3;

你能告诉我最有效的方法吗？

谢谢

【问题讨论】：

你可以在正则表达式的帮助下做到这一点。如果您需要基于它的解决方案，请告诉我
看看这个答案来删除 HTML 标签：stackoverflow.com/a/18154046/5119765 然后你就可以得到字符串长度了。
您最好的选择是使用像Html Agility Pack 这样的html解析器，这样您就可以正确计算内容的字符长度和图像标签的数量。

标签： c# html string image

【解决方案1】：

我建议使用真正的 HTML 解析器，例如 HtmlAgilityPack。那么就很简单了：

string html = "There is some nice <img alt='img1' src='img/img1.png' /> images in this <img alt='img2' src='img/img2.png' /> string. I would like to ask you <img alt='img3' src='img/img3.png' /> how Can I can I get the Lenght of the string?";

var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);
int length = doc.DocumentNode.InnerText.Length;               // 114
int imageCount = doc.DocumentNode.Descendants("img").Count(); // 3

这是DocumentNode.InnerText 在您的示例中返回的内容，您已经跳过了一些空格：

There is some nice  images in this  string. I would like to ask you  how Can I can I get the Lenght of the string?

【讨论】：

【解决方案2】：

我遇到了类似的问题，我创建了这个方法。您可以使用它来去除 HTML 标签并计算您的字符串

public static string StripHtmlTags(string source)
{
  if (string.IsNullOrEmpty(source))
  {
    return string.Empty;
  }

  var array = new char[source.Length];
  int arrayIndex = 0;
  bool inside = false;
  for (int i = 0; i < source.Length; i++)
  {
    char let = source[i];
    if (let == '<')
    {
      inside = true;
      continue;
    }

    if (let == '>')
    {
      inside = false;
      continue;
    }

    if (!inside)
    {
      array[arrayIndex] = let;
      arrayIndex++;
    }
  }

  return new string(array, 0, arrayIndex);
}

你的计数是这样的：

int strLength = StripHtmlTags(str).Count;

【讨论】：

你知道你可以只做foreach(char let in source)，因为string实现了IEnumerable<char>。

【解决方案3】：

添加对 MSHTML（Microsoft HTML 对象库）的 (COM) 引用，您可以：

var doc = (IHTMLDocument2)new HTMLDocument();
doc.write(str);

Console.WriteLine("Length: {0}", doc.body.innerText.Length);
Console.WriteLine("Images: {0}", doc.images.length);

【讨论】：

【解决方案4】：

如果您想在我上面的评论中提到的正则表达式的帮助下进行操作。请使用以下代码

var regex = new System.Text.RegularExpressions.Regex("<img[^>]*/>");
var plainString = regex.Replace(str, ""); 

// plainString.length will be string length without images
    var cnt = regex.Matches(str).Count; // cnt will be number of images

【讨论】：

【解决方案5】：

我喜欢 John Smith 的解决方案，但是我必须在末尾添加 Trim() 以匹配 MS Word 结果。

使用这个：

return new string(array, 0, arrayIndex).Trim();

【讨论】：