删除除了<a>和</a> <a><img></a> <a>使用C＃和正则表达式的标签</a>

Question

我正在处理大量的html代码，但是我只对<a>和<img>标记感兴趣。 您能否建议如何使用c＃和regex从输入字符串中除去<a>和<img>标记之外的任何内容？

我确实尝试了HAP（HTML Agility Pack），但是解析某些内容会遇到StackOverflowException。

伙计们，我不是在寻求HTML Agility Pack的帮助。 我正在寻求Regex解决方案。

Answer 1

如果只需要<img>和<a>

用它们两个和交替运算符创建一个正则表达式。

(<img.+?>|<a.+?>.+?<\/a>)

在替换中，您可以使用\\ 1组

Answer 2

老实说，就像每个人在您的评论中说的那样，我不建议您使用正则表达式来解析HTML（这是一条规则），但是如果您确实需要它...（出于任何原因……）

我要说的是，您可以解析该字符串，并在HTML字符串上获取每个标记，并将其保存在列表中。

这些正则表达式非常简单（您可以通过学习一些正则表达式来真正地扩展它们。这并不难，并且我不会为您做所有工作，主要是在我不知道HTML看起来像什么的时候）

"<img.+?>"
"<a.+?>.+?</a>"

在此处使用一些html对其进行测试（删除“”进行测试）： http : //regexpal.com/

对于C＃代码本身，我很确定您可以很容易地找到它。