c# - 使用正则表达式 C# 从 HTML 中删除内部样式

Question

我想使用 C# 从 html 中删除内部样式。这是我的 Html 文本

    <span style="font-family: tahoma; color: #9bbb59;">This is a simple text.</span><br />
<table>
    <thead>
    </thead>
    <tbody>
        <tr>
            <td>&nbsp;R1C1</td>
            <td>R1C2</td>
        </tr>
        <tr>
            <td>R2C1</td>
            <td>R2C2</td>
        </tr>
    </tbody>
</table>
<style type="text/css" id="telerik-reTable-1">
    .telerik-reTable-1   {
    border-width: 0px;
    border-style: none;
    border-collapse: collapse;
    font-family: Tahoma;
    }
    .telerik-reTable-1 td.telerik-reTableFooterEvenCol-1  {
    padding: 0in 5.4pt 0in 5.4pt;
    text-align: left;
    border-top: solid gray 1.0pt;
    }
</style>

我希望它看起来像删除内部 CSS 后的样子。

 <span style="font-family: tahoma; color: #9bbb59;">This is a simple text.</span><br />
<table>
    <thead>
    </thead>
    <tbody>
        <tr>
            <td>&nbsp;R1C1</td>
            <td>R1C2</td>
        </tr>
        <tr>
            <td>R2C1</td>
            <td>R2C2</td>
        </tr>
    </tbody>
</table>

我使用了这个模式 @"<\s*style[^(style>)]*style>" .但它不起作用。

Note: I think I cann't use HtmlDocument to remove child node. Because it does not maintain parent child node relationship. so I want to use regular expression to remove the CSS.

Answer 1

您不应该使用正则表达式来解析 HTML 文档。检查此问题以了解原因。

RegEx match open tags except XHTML self-contained tags

你应该用 HTML Parser 来做，比如 Html Agility Pack .在这里你可以如何做到这一点。

        HtmlDocument doc = new HtmlDocument();
        doc.LoadHtml(htmlInput);

        var nodes = doc.DocumentNode.SelectNodes("//style");

        foreach (var node in nodes)
            node.ParentNode.RemoveChild(node);

        string htmlOutput = doc.DocumentNode.OuterHtml;