html代码转换成为纯文本

先解码。接着转换为纯文本，用这段代码：
public static string HtmlToText(string source)
{
string result;

//remove line breaks,tabs
            result = source.Replace("\r", " ");
            result = result.Replace("\n", " ");
            result = result.Replace("\t", " ");

//remove the header
result = Regex.Replace(result, "(<head>).*(</head>)", string.Empty, RegexOptions.IgnoreCase);

result = Regex.Replace(result, @"<( )*script([^>])*>", "<script>", RegexOptions.IgnoreCase);
result = Regex.Replace(result, @"(<script>).*(</script>)", string.Empty, RegexOptions.IgnoreCase);

//remove all styles
result = Regex.Replace(result, @"<( )*style([^>])*>", "<style>", RegexOptions.IgnoreCase); //clearing attributes
result = Regex.Replace(result, "(<style>).*(</style>)", string.Empty, RegexOptions.IgnoreCase);

//insert tabs in spaces of <td> tags
result = Regex.Replace(result, @"<( )*td([^>])*>", " ", RegexOptions.IgnoreCase);

//insert line breaks in places of <br> and <li> tags
result = Regex.Replace(result, @"<( )*br( )*>", "\r", RegexOptions.IgnoreCase);
result = Regex.Replace(result, @"<( )*li( )*>", "\r", RegexOptions.IgnoreCase);

//insert line paragraphs in places of <tr> and <p> tags
result = Regex.Replace(result, @"<( )*tr([^>])*>", "\r\r", RegexOptions.IgnoreCase);
result = Regex.Replace(result, @"<( )*p([^>])*>", "\r\r", RegexOptions.IgnoreCase);

//remove anything thats enclosed inside < >
result = Regex.Replace(result, @"<[^>]*>", string.Empty, RegexOptions.IgnoreCase);

//replace special characters:
            result = Regex.Replace(result, @"&", "&", RegexOptions.IgnoreCase);
            result = Regex.Replace(result, @" ", " ", RegexOptions.IgnoreCase);
            result = Regex.Replace(result, @"<", "<", RegexOptions.IgnoreCase);
            result = Regex.Replace(result, @">", ">", RegexOptions.IgnoreCase);
            result = Regex.Replace(result, @"&(.{2,6});", string.Empty, RegexOptions.IgnoreCase);

//remove extra line breaks and tabs
            result = Regex.Replace(result, @" ( )+", " ");
            result = Regex.Replace(result, "(\r)( )+(\r)", "\r\r");
            result = Regex.Replace(result, @"(\r\r)+", "\r\n");

return result;
}

转载于:https://www.cnblogs.com/walleyekneel/archive/2011/09/20/2182635.html

html代码转换成为纯文本相关推荐

endnote转化成纯文本后_EndNote转换成BibTeX格式
用Word写小文档,有天生的优势.可是对于长篇大论,既有章节又要编排目录的情况下,格式的问题会非常头疼.此时LaTeX的优势便逐渐显现出来(LaTeX和BibTeX都是免费软件).正如下图所示(图片来 ...
自动生成纯文本表格的工具
https://tableconvert.com/?output=text 有时候需要写文档的时候生成这种纯文本表格,这个工具真的很方便,贴上数据就可以了.
IOS使用正则表达式去掉html中的标签元素,获得纯文本
IOS使用正则表达式去掉html中的标签元素,获得纯文本 content是根据网址获得的网页源码字符串 NSRegularExpression *regularExpretion=[NSRegular ...
一行代码：你的纯文本秒变Markdown
点击上方"方志朋",选择"设为星标" 回复"666"获取新整理的面试文章来自:公众号机器之心只要你有纯文本编辑器,加上一条语句,瞬间它 ...
只需一行代码，纯文本秒变Markdown
机器之心机器之心编辑部只要你有纯文本编辑器,加上一条语句,瞬间它就可以成为 Markdown 编辑器. Markdeep 是一个用来写纯文本的插件,它能以 Markdown 的语法与渲染方式纯文本 ...
只需一行代码，你的纯文本秒变 Markdown
点击上方"视学算法",选择"星标"公众号重磅干货,第一时间送达只要你有纯文本编辑器,加上一条语句,瞬间它就可以成为 Markdown 编辑器. Markde ...
endnote转化成纯文本后_如何用Endnote分分钟搞定参考文献
原标题:如何用Endnote分分钟搞定参考文献解螺旋公众号·陪伴你科研的第1924天 Endnote教程第二弹来啦! 写论文离不了对参考文献的引用,Endnote在文献撰写中发挥着重要作用.下面我们 ...
只需一行代码，你的纯文本秒变Markdown
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 本文转载自:机器之心只要你有纯文本编辑器,加上一条语句,瞬间它就可以成为 Mar ...
LFCS 系列第二讲：如何安装和使用纯文本编辑器 vi/vim
LFCS 系列第二讲:如何安装和使用纯文本编辑器 vi/vim 几个月前, Linux 基金会发起了 LFCS (Linux 基金会认证系统管理员Linux Foundation Certified ...

html代码转换成为纯文本

html代码转换成为纯文本相关推荐

最新文章

热门文章