ASP.NET正則表達式控制

Question

我在做C＃中的字符串匹配，我必須將HTML和.aspx頁面轉換成純文本格式（如瀏覽器視圖文本），在那個HTML頁面我有<style>,<javascript>和等我使用Regex.Replace方法。

//Removing JavaScripts 
str = Regex.Replace(str, "<script.*?>.*?</script>", "", RegexOptions.Singleline); 

//For Link Title 
string regex = @"(?<=<title.*>)([\s\S]*)(?=</title>)"; 
Regex ex = new Regex(regex, RegexOptions.IgnoreCase); 
string title = ex.Match(str).Value.Trim(); 

//Removing Html Tags 
str = System.Text.RegularExpressions.Regex.Replace(str, "<.*?>", ""); 
str = str.Replace("\r\n", ""); 

Answer 1

您不能使用Regex去除HTML。您需要一個HTML解析庫。過去我成功使用過HTML敏捷包。

http://htmlagilitypack.codeplex.com/