去除所有 HTML 标签，除了锚标签答案

【问题标题】：Strip all HTML tags, except anchor tags去除所有 HTML 标签，除了锚标签
【发布时间】：2011-12-02 12:23:25
【问题描述】：

我正在将数据从 1 个数据库导入到另一个。我被要求删除所有 HTML 内容，因为它混乱且无效，只保留链接

我目前使用以下 VB.NET 函数从内容字符串中去除所有 HTML 标记：

Public Shared Function StripHTML(ByVal htmlString As String) As String
    Dim pattern As String = "<(.|\n)*?>"
    Return Regex.Replace(htmlString, pattern, String.Empty)
End Function

我正在寻找一种从内容中去除所有标签的方法，但 a（锚）标签。

例如，如果我有以下 HTML 内容：

<table>
  <tr>
     <td>
         Lorem <a href="http://google.com">Ipsum</a>
     </td>
   </tr>
</table>

这将简单地变成：

Lorem <a href="http://google.com">Ipsum</a>

我该怎么做？

【问题讨论】：

你能给我们更多关于你的任务的信息吗？你想达到什么目的？
我正在将数据从 1 个数据库导入到另一个数据库。我被要求删除所有 HTML 内容，因为它混乱且无效，只保留链接

标签： asp.net vb.net anchor strip-tags

【解决方案1】：

我建议你使用Html Agility Pack

也检查这个问题/答案：HTML Agility Pack strip tags NOT IN whitelist

【讨论】：

你有 vb.net 的例子吗？我正在努力转换此代码
@Curt google 和 SO SearchBox 是你亲爱的朋友 ;-) stackoverflow.com/questions/3140919/…

【解决方案2】：

你可以试试这个

<((?!a[ ]).|\n)*?>

【讨论】：

这仍然会删除</a>

【解决方案3】：

您可以使用反向逻辑并仅获取锚点，而不是剥离除锚点之外的所有标签。为什么不尝试使用以下模式来提取锚点：

(?<anchor><a.*?href=[""'](?<url>.*?)[""'].*?>(?<name>.*?)</a>)

HTH 帕维尔

【讨论】：

我需要的内容也不是锚点，而不仅仅是锚点列表