從字符串 - 注釋中刪除HTML

Question

我有以下文本仍然包含一些HTML代碼：

v\:* {behavior:url(#default#VML);}
o\:* {behavior:url(#default#VML);}
w\:* {behavior:url(#default#VML);}
.shape {behavior:url(#default#VML);}


Hi There,
 
For the product team to have any chance in analysing this issue we need clarification on how to reproduce the problem.

我的代碼目前是：

string replacedEmailText = Regex.Replace(emailText, @"<(.|\n)*?>", string.Empty);
string finalText = WebUtility.HtmlDecode(replacedEmailText);

如何刪除包含以下內容的頂行：

v\:* {behavior:url(#default#VML);}

？

Answer 1

對於此特定示例，您可以使用.*;}(\\r\\n|\\r|\\n)*作為替換模式。

但是，當文本包含序列時，這將失敗;} 。 如果可以，您可能希望進一步詳細了解html行的外觀：

.*\\(#default#VML\\);}(\\r\\n|\\r|\\n)*

說明：

• .* ：匹配任何字符，除了新行和回車零連續多次
• \\(#default#VML\\);} ：匹配序列（#default＃VML）
• (\\r\\n|\\r|\\n)* ：刪除新行和回車連續零次或多次

在這里演示

Answer 2

不要嘗試使用正則表達式從文本中刪除HTML，使用一些白名單庫，如https://github.com/mganss/HtmlSanitizer