正則表達式剝離錨標記之間的一切

Question

我想從下面一個HTML字符串去掉所有錨標籤之間的鏈接和文本：

string LINK_TAG_PATTERN = "/<a\b[^>]*>(.*?)<\\/a>"; 

htmltext = Regex.Replace(htmltext, LINK_TAG_PATTERN, string.Empty); 

這不是工作人有想法，爲什麼？

非常感謝，

編輯：正則表達式是從該鏈接Extract text and links from HTML using Regular Expressions

Answer 1

問題在您的字符串：？在開始不必要的斜槓（這是Perl的語法），轉義反斜槓（\b），不需要轉義反斜槓（\\）

所以，如果有是一個正則表達式，採取一切警告考慮有足夠的其他人聯繫，儘量

string LINK_TAG_PATTERN = @"<a\b[^>]*>(.*?)</a>"; 
htmltext = Regex.Replace(htmltext, LINK_TAG_PATTERN, string.Empty, RegexOptions.IgnoreCase); 

的\b是必要的，以防止與a從匹配啓動其他標籤。

Answer 2

我建議Expresso解決的正則表達式。您可以找到一個正則表達式庫here。

您可能會考慮使用javascript來代替正則表達式來替換DOM樹。

Answer 3

使用HTML解析器而不是正則表達式來解析HTML。

HTML Agiliity Pack

Answer 4

概念上，這只是一個非常特殊的條鏈接（例如你的正則表達式不匹配大寫A，A是完全有效的HTML：<A ...>bla</A>更換不會對JavaScript的鏈接工作，要麼。是您的代碼相關的用戶安全

Answer 5

string LINK_TAG_PATTERN = @"(<a\s+[^>]*>)(.*?)(</a>)"; 

htmltext = Regex.Replace(htmltext, LINK_TAG_PATTERN, "$1$3", RegexOptions.IgnoreCase);