去除除某些 HTML 标签之外的所有 HTML 标签？答案

【问题标题】：Strip all HTML tags except certain ones?去除除某些 HTML 标签之外的所有 HTML 标签？
【发布时间】：2020-02-09 14:18:11
【问题描述】：

我有一个要求，我需要从标签汤的一大块 HTML 中去除所有标签，基本上是这样的：

<div style=""><div style="">

等等

我需要把它们全部去掉，除了标签，但在那些我需要去掉style=""之类的属性并将它们保留为。

我目前正在使用正则表达式剥离所有标签：

public static string StripHtml(string input) => Regex.Replace(input, "<.*?>", string.Empty)

关于如何做到这一点的任何想法？

我会为此使用定制的 C# 库，但我在 Linux 上使用 .Net Core，因此许多需要完整框架的库（例如 AngleSharp）对我不起作用。

【问题讨论】：

无论你做什么，don't
@CeeMcSharpface 我了解使用正则表达式解析 HTML 的缺点，这不是我的首选，但我正在使用的需要解析的 strings 大小有限且格式正确结构上。我们说的是一次最多 1k 字节的 HTML，带有适当的开始和结束标签。

【解决方案1】：

<((?!p\s).)*?> 将为您提供除段落之外的所有标签。因此，您的程序可以删除此正则表达式的所有匹配项，并将其余标签（所有 p）替换为空段落标签。（ 用于接收所有 p-tags 的正则表达式）

【讨论】：

谢谢，如何从剩余的 标签中删除所有属性，只留下空的？我特别需要删除样式属性。我对正则表达式很糟糕。如有必要，我可以分两步完成。
如前所述，您可以将 的匹配项替换为。
当我在我的正则表达式中添加一个最终的.Replace 时， 标记没有被清除属性：.Replace(" ", string.Empty); ...就像我说我对正则表达式不太好，我假设p 和之间的那个空间。正确的？知道为什么这没有被消灭吗？第一个正则表达式效果很好，按预期取出除 标签之外的所有标签。
我还需要它来保留关闭的  标签，因为我需要使用它在需要正确打开/关闭标签的 Angular 中设置 InnerHtml。
删除<((?!p\b).)*?>而不是<((?!p\s).)*?>的所有匹配项，结束标记将被保留。