asp.net - 从一段文本中去除任何超链接和文本

Question

我想知道如何从某些文本中删除任何超链接 标签 - 包括文本/图像在内的所有链接都在结束 标签之前。

例如

<a href="http://stackoverflow.com">Click here</a>        
<a href="http://stackoverflow.com"><img src="http://stackoverflow.com" alt = "blah"></a>

即。全部删除。

有什么办法吗？

谢谢

Answer 1

强制性“不要使用正则表达式解析 html”警告:RegEx match open tags except XHTML self-contained tags

我建议要么转换成 XHTML 并使用 xPath，要么看一下 HTMLAgilityPack去做这个。我过去使用过这两种方法来解析/修改 html，它们比使用正则表达式灵活/健壮得多。

这是一个可以帮助您开始使用 HtmlAgilityPack 的示例:

 HtmlDocument doc = new HtmlDocument();
 doc.Load("file.htm");
 foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a[@href]")
 {
    // Do stuff!
 }
 doc.Save("file.htm");