从html中删除所有文本 [英] Strip everything but text from html

问题描述

我们的CMS允许用户使用html编辑器输入文本，所以当阅读文本到网页时，我可以这样写：

 &安培; #xD;&安培; #xA; < p为H.;&安培; #xD;&安培; #xA; < strong>文字文字。 more 
 text< / strong>&＃xD;&＃xA; < a href =http：// blabla> blabla< / a>甚至更多文字... 
  

我怎样才能去掉所有文本，包括，和。和类似的字符？

解析方案假设这是html（而不是xhtml） ，我会使用 HTML Agility Pack 进行分析，并访问 InnerText ：

  static void Main（）
 {
 HtmlDocument doc = new HtmlDocument（）; 
 doc.LoadHtml（@& #xD;&＃xA;< p>&＃xD;&＃xA; < strong> text text。more text< / strong>& #xD;&＃xA;< a href =http：// blabla> blabla< / a>更多文字...）; 
 string s = doc.DocumentNode.InnerText; 
 // s是：&＃xD;&＃xA;&＃xD;&＃xA; text text。more text&＃xD ;&＃xA; 
} 
  

Our CMS allows users to enter text using a html editor, so when reading text into the webpage I can text like this:

&#xD;&#xA;      <p>&#xD;&#xA;      <strong>text text. more 
text</strong>&#xD;&#xA;      <a href="http://blabla>blabla</a> even more text...

How can I strip everything but text including , and . and similar characters ?

解决方案

Assuming this is html (not xhtml), I would use the HTML Agility Pack to parse it, and access InnerText:

static void Main()
{
    HtmlDocument doc = new HtmlDocument();
    doc.LoadHtml(@"&#xD;&#xA;      <p>&#xD;&#xA;      <strong>text text. more text</strong>&#xD;&#xA;      <a href=""http://blabla>blabla</a> even more text...");
    string s = doc.DocumentNode.InnerText;
    // s is: &#xD;&#xA;      &#xD;&#xA;      text text. more text&#xD;&#xA;     
}

这篇关于从html中删除所有文本的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！