如何从.NET中的文本中删除HTML？
[英]How Can I strip HTML from Text in .NET?
问题描述
我有一个带有TinyMCE框的asp.net网页。 用户可以格式化文本并发送HTML以存储在数据库中。
在服务器上，我想从文本中删除html，这样我只能将文本存储在全文索引列中进行搜索。
使用jQuery的text（）函数在客户端上删除html是一件轻而易举的事，但我宁愿在服务器上执行此操作。 我可以使用任何现有的实用程序吗？
编辑
看我的回答。
编辑2
9 个解决方案
解决方案1
13 已采纳 2009-08-28 21:07:58
我下载了HtmlAgilityPack并创建了这个函数：
string StripHtml(string html)
{
// create whitespace between html elements, so that words do not run together
html = html.Replace(">","> ");
// parse html
var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);
// strip html decoded text from html
string text = HttpUtility.HtmlDecode(doc.DocumentNode.InnerText);
// replace all whitespace with a single space and remove leading and trailing whitespace
return Regex.Replace(text, @"\s+", " ").Trim();
}
解决方案2
8 2009-08-28 19:59:50
解决方案3
2 2009-08-28 20:31:31
这是Jeff Atwood的Sanitize HTML方法的RefactorMe代码链接
解决方案4
2 2012-01-31 19:11:33
TextReader tr = new StreamReader(@"Filepath");
string str = tr.ReadToEnd();
str= Regex.Replace(str,"<(.|\n)*?>", string.Empty);
但你需要引用一个命名空间，即：
system.text.RegularExpressions
只为你的网站采取这种逻辑
解决方案5
0 2009-08-28 20:07:14
你可以使用这样的东西
string strwithouthtmltag;
strwithouthtmltag = Regex.Replace(strWithHTMLTags, "<[^>]*>", string.Empty)
解决方案6
0 2009-08-28 20:19:33
如果您只是存储索引文本，那么您可能想要做的不仅仅是删除HTML，例如忽略停用词和删除短于（比方说）3个字符的单词。 但是，我曾经写过的一个简单的标签和剥离器是这样的：
public static string StripTags(string value)
{
if (value == null)
return string.Empty;
string pattern = @"&.{1,8};";
value = Regex.Replace(value, pattern, " ");
pattern = @"<(.|\n)*?>";
return Regex.Replace(value, pattern, string.Empty);
}
它已经过时了，我确信它可以进行优化（可能使用已编译的reg-ex？）。 但它确实有效并可能有所帮助......
解决方案7
0 2009-08-28 20:20:52
你可以：
- 使用普通的旧TEXTAREA（高度/宽度/字体/等），而不是TinyMCE。
- 使用TinyMCE的内置配置选项来删除不需要的HTML。
- 在服务器上使用HtmlDecode（RegEx.Replace（mystring，“<[^>] +>”，“”））。
解决方案8
0 2009-08-28 21:23:02
由于您在系统中可能存在格式错误的HTML：可能会使用BeautifulSoup或类似内容。
它是用Python编写的; 我不确定它是如何接口的 - 使用.NET语言IronPython？
解决方案9
0 2010-05-10 14:37:17
您可以使用HTQL COM，并使用查询查询源：<body>＆tx;
使用 ASP.NET Core 3.1，如何从页面 URL 中剥离主页 controller？
[英]With ASP.NET Core 3.1, how can I strip the Home controller from a page URL?
给定此字符串（使用'\\ n'），如何从所有返回中删除它？
[英]Given this string (with '\n') how can I strip it from all the returns?
PigLatin如何从字符串中去除标点符号？ 然后加回来？
[英]PigLatin how can I strip punctuation from a string? And Then add it back?
如何将逻辑从UserControl（视图）剥离到Presenter
[英]How can I strip out logic from a UserControl (View) to the Presenter
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.