使用C＃4.0中的XmlDocument刪除HTML標記

Question

我有下面的代碼，我試圖刪除所有傳遞的html元素。

String inputString = "<img class="imgRight" title="Zürich, Switzerland" src="test.png" alt="Switzerland" width="44" height="44"/> 
<p class="first">Zurich</p> 
<p class="second">Test</p> 
<p class="first">Testing</p> 
<img class="imgRight" title="Zürich, Switzerland" src="1.png" alt="Switzerland" width="44" height="44"/> 
<a href="test.aspx">Hello</a>"; //Sample HTML String 

String[] htmlTags = new String[] { "a", "img", "link:ComponentLink" }; 

String removedTagsHtml = RemoveHTMLTags(inputString,htmlTags);//Giving error "There are multiple root elements." 

public static string RemoveHTMLTags(String inputString, String[] htmlTags) 
{ 
    String strResult = String.Empty; 
    foreach (String htmlTag in htmlTags) 
    {     
     XmlDocument xDoc = new XmlDocument(); 
     xDoc.LoadXml(inputString); 
     XmlNamespaceManager xMan = new XmlNamespaceManager(xDoc.NameTable); 
     xMan.AddNamespace("xs", xDoc.DocumentElement.NamespaceURI); 

     XmlNode xNode = xDoc.SelectSingleNode("xs:" + htmlTag + "", xMan); 
     xDoc.RemoveAll(); 
     xDoc.AppendChild(xNode); 
     string seeOutputHere = xDoc.OuterXml; 

    } 
    return strResult; 
} 

函數產生錯誤「有多個根元素。」

Answer 1

即使您修復了「多根元素」（例如參見LINQ to XML - Load XML fragments from file），通常情況下的HTML仍然不是有效的XML。

對於HTML處理，您應該查看HtmlAgilityPack。