c# - 如何通过 REGEX 从字符串中删除 HTML 标签？

Question

我正在从 Mysql 获取数据，但问题是“HTML 标签，即

&lt;p&gt;LARGE&lt;/p&gt;&lt;p&gt;Lamb;<br>;li;ul;&nbsp;

我的数据也被提取了，我只需要上面一行的“LARGE”和“Lamb”。如何从字符串中分离/删除 HTML 标签？

Answer 1

我假设 HTML 是完整的，可能如下所示:

<ul><li><p>LARGE</p><p>Lamb<br></li></ul>&nbsp;

在这种情况下，我会使用 HtmlAgilityPack 来获取内容，而不必求助于正则表达式。

var html = "<ul><li><p>LARGE</p><p>Lamb</p><br></li></ul>&nbsp;";
var hap = new HtmlDocument();
hap.LoadHtml(html);

string text = HtmlEntity.DeEntitize(hap.DocumentNode.InnerText);
// text is now "LARGELamb "

string[] lines = hap.DocumentNode.SelectNodes("//text()")
    .Select(h => HtmlEntity.DeEntitize(h.InnerText)).ToArray();
// lines is { "LARGE", "Lamb", " " }