检测 HTML 字符串是否包含 C# 中的可见文本

Question

我正在寻找一种方法来检查包含 html 的字符串并确定它是否包含任何应该可见的文本，不包括空格。

基本上，如果在将其呈现为innerHTML 的<div> 时显示为可见文本，则任何内容都应视为可见。

例如

• <div>hello</div> 是可见的，因为“hello”显示在浏览器中。
• <div><p> <br/></div>  不可见。
• <script>alert('asdf')</script> 不可见。
• plain text 是可见的，尽管它不包含任何 html 标记。

有很多我不确定的情况（任何结果都可以接受）：

• <div style="display: none">this is tricky</div> 不可见，但由于 css 为问题增加了另一层复杂性，因此最好不要打扰它。
• <script>document.write('What is this, I don't even-')</script> 应该不在这个问题的范围内。
• <input value="Read this"> 是可见的，但我现在不关心表单元素，所以这还不如不可见。

我想决定这个服务器端并相应地处理这种情况。

在 C# 中是否有一种很好的方法来决定这一点？编写自己的解决方案似乎很乏味，我想知道是否有人已经这样做了（或类似的事情）。

编辑：

这个问题很难理解吗？我已经说过我想在服务器上做，而不是在浏览器环境中。 jQuery 和 jsfiddle 在这里没什么相关性。

Answer 1

  public static bool StripHTMLAndCheckVisible(string HTMLText)
    {
        if (string.IsNullOrEmpty(HTMLText))
            return false;
        else
        {
            Regex regJs=new Regex(@"(?s)<\s?script.*?(/\s?>|<\s?/\s?script\s?>)",RegexOptions.IgnoreCase);
            HTMLText = regJs.Replace(HTMLText, "");
            Regex reg = new Regex("<[^>]+>", RegexOptions.IgnoreCase);
            HTMLText = reg.Replace(HTMLText, "");
            return string.IsNullOrEmpty(HTMLText) ? false : true;
        }
    }

它会删除所有的 HTML，Javascript 标签，如果可见则返回 true，如果不可见则返回 false。 希望对您有所帮助。

---

编辑：

我最终做的是：

public static bool CheckHTMLForText(string html)
{
    var stripped = StringHelpers.StripTagsWithContent(html, "script", "style");
    stripped = StringHelpers.StripTagsRegex(stripped);
    return string.IsNullOrWhiteSpace(stripped);
}

StringHelpers.StripTagsWithContent() 将给定标签连同其内容一起剥离到结束标签的末尾（如上例中的脚本标签），StringHelpers.StripTagsRegex() 从字符串中删除标签。