使用 vb.net 從字符串中刪除所有 div 元素

Question

我想從我的字符串中刪除所有元素，包括具有class等屬性的元素。 我已經在這里檢查過，所以正則表達式顯然不是答案： RegEx match open tags except XHTML self-contained tags

我目前已經有一些正則表達式可以替換字符串中的所有標簽（注意，如果重要的話，我永遠不會解析完整的 HTML 文檔）並保留內容： Regex.Replace(s, "<[^>]*(>|$)", String.Empty) 。 但是，我只想刪除div標簽並保留內容。

所以我有：

<div class=""fade-content""><div><span>some  content</span></div></div>
<div>some  content</div> 

所需的 output：

<span>some  content</span>
some  content

我一直在使用正則表達式路徑，並嘗試類似： <div>.*<\/div> ，但這不包括具有屬性的 div。

如何使用 VB.NET 僅刪除div元素？

Answer 1

有幾種方法可以做到這一點。 一個，簡短而簡單，是以下一個：

Regex.Replace(s, "</?div.*?>", String.Empty)

這是一個例子：

    's simulates your html file
    Dim s As String = "<div class="""" fade-content""""><div><span>some  content</span></div></div>" + Environment.NewLine + "<div>some  content</div>"

    'let's store the result in s1
    Dim s1 As String = Text.RegularExpressions.Regex.Replace(s, "</?div.*?>", String.Empty)

    'output
    MessageBox.Show(s1)

Output：

Answer 2

這可以通過使用 WebBrowser 控件在沒有正則表達式的情況下實現。 嘗試以下操作：

提取所需數據：

Private Function ExtractDesiredData(html As String) As List(Of String)
    Dim result As List(Of String) = New List(Of String)()

    'create new instance
    Using wb As WebBrowser = New WebBrowser()
        wb.Navigate(New Uri("about:blank"))

        'create reference
        Dim doc As HtmlDocument = wb.Document

        'add html to document
        doc.Write(html)

        'loop through body elements
        For Each elem As HtmlElement In doc.Body.All
            If elem.TagName = "DIV" AndAlso Not elem.InnerHtml.Contains("DIV") Then
                Debug.WriteLine($"DIV elem InnerHtml: '{elem.InnerHtml}'")

                'add
                result.Add(elem.InnerHtml)
            End If
        Next
    End Using

    Return result
End Function

用法：

Dim html As String = "<div class=""fade-content""><div><span>some  content</span></div></div>"
html &= vbCrLf & "<div>some  content</div>"

Dim desiredData As List(Of String) = ExtractDesiredData(html)

資源：

• 如何使 c# 中的瀏覽器控件 go 為空白？