.net - 在 .NET 中从 HTML 获取纯文本

Question

从 HTML 字符串中获取纯文本字符串的最佳方法是什么？

public string GetPlainText(string htmlString)
{
    // any .NET built in utility?
}

提前致谢

Answer 1

您可以使用 MSHTML，这非常宽容；

//using microsoft.mshtml
HTMLDocument htmldoc = new HTMLDocument();
IHTMLDocument2 htmldoc2 = (IHTMLDocument2)htmldoc;
htmldoc2.write(new object[] { "<p>Plateau <i>of<i> <b>Leng</b><hr /><b erp=\"arp\">2 sugars please</b> <xxx>what? &amp; who?" });

string txt = htmldoc2.body.outerText;

Plateau of Leng 2 sugars please what? & who?