C#字符串去除html格式

转自：http://www.cnblogs.com/grokyao/archive/2008/12/04/1347512.html

    在使用Freetextbox等流行编辑器后获得的文字内容里会掺杂着一些html标记，有时会需要将它们处理掉，这里给出处理的方法，使用了正则表达式进行规则过滤，由于html标记都是基于<>这种格式，而且还有类似&nbsp;这样的符号，所以分了2次处理将字符串处理为无html格式的字符串。

 简易代码：

string  html  =   @" <span lang= " EN - US " >&rdquo;</span>，用户可以随时接收喜欢的视频电视内容。<span lang= " EN - US " ><a target= " _blank "  href= " http: // info.tele.hc360.com/list/mobile.shtml"><span lang="EN-US"><span lang="EN-US">手机</span></span></a></span>"; 

string  StrNohtml  =  System.Text.RegularExpressions.Regex.Replace(html,  " <[^>]+> " ,  "" ); 

StrNohtml = System.Text.RegularExpressions.Regex.Replace(StrNohtml,  " &[^;]+; " ,  "" ); 

Console.WriteLine(StrNohtml);

 

功能增强代码：

public   string  NoHTML( string  Htmlstring)   // 替换HTML标记
{
     // 删除脚本
    Htmlstring  =  Regex.Replace(Htmlstring,  @" <script[^>]*?>.*?</script> " ,  "" , RegexOptions.IgnoreCase);

     // 删除HTML
    Htmlstring  =  Regex.Replace(Htmlstring,  @" <(.[^>]*)> " ,  "" , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" ([\r\n])[\s]+ " ,  "" , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" --> " ,  "" , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" <!--.* " ,  "" , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" &(quot|#34); " ,  " \ "" , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" &(amp|#38); " ,  " & " , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" &(lt|#60); " ,  " < " , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" &(gt|#62); " ,  " > " , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" &(nbsp|#160); " ,  "   " , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" &(iexcl|#161); " ,  " \xa1 " , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" &(cent|#162); " ,  " \xa2 " , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" &(pound|#163); " ,  " \xa3 " , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" &(copy|#169); " ,  " \xa9 " , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" &#(\d+); " ,  "" , RegexOptions.IgnoreCase);
    Htmlstring  =  Regex.Replace(Htmlstring,  @" <img[^>]*>; " ,  "" , RegexOptions.IgnoreCase);
    Htmlstring.Replace( " < " ,  "" );
    Htmlstring.Replace( " > " ,  "" );
    Htmlstring.Replace( " \r\n " ,  "" );
    Htmlstring  =  HttpContext.Current.Server.HtmlEncode(Htmlstring).Trim();
     return  Htmlstring;
}