Question

字符串中如何过滤HTML标签字符

比如一个字符串中 String str = "<table><tr><td>你好</td></a><td></table>";

上面的字符串有很多都是HTML标签，其实我只想要“你好”这两个字！
所以，该如何在一个字符串中过滤这些标签呢。

Answer 1

下面是asp中的方法，你可以改造成.net的
Function FilterHTML(strToFilter)
Dim strTemp
strTemp = strToFilter
strTemp=replace(strTemp,"""","")
strTemp=replace(strTemp," ","")
strTemp=replace(strTemp," ","")
strTemp=replace(strTemp," ","")
strTemp=replace(strTemp,"&","")
Dim n,m '定义三个变量
n = inStr(strTemp,"<") '找到第一个"<"所在的位置
m = inStr(strTemp,">") '找到第一个">"所在的位置
Do while n > 0 and n < m '如果n>0则说明找到了一个"<",如果n<m则说明"<"在">"的左边，则"<"和">"之间的字符串为HTML代码，需要过滤掉
strTemp = Left(strTemp,n-1) & Mid(strTemp,m+1) '取"<"左边的字符串和">"右边的字符串并将他们连接在一起
n = inStr(strTemp,"<") '找到剩余字符串中第一个"<"所在的位置
m = inStr(strTemp,">") '找到剩余字符串中第一个">"所在的位置
Loop '循环
FilterHTML = strTemp
End Function

Answer 2

用正则表达式，会跟好一些。

Answer 3

把整个字符串按char类型来foreach遍历一遍(因为字符串可以看做char数组)，给一个bool的标识变量 当遍历至‘<’的时候，标识false 当标识‘>’则为true 另设一个空字符串，当条件判断标识true时累加该遍历字符至新的字符串，遍历完成后，新字符串为所求。

Answer 4

Regex re = new Regex(@"<\s*([^>]+)\s*>\s*([^<>]+)\s*<\s*/\s*\1\s*>", RegexOptions.IgnoreCase);

return Match.Group[2].Value