c# - 从 html 中删除除文本以外的所有内容

Question

我们的 CMS 允许用户使用 html 编辑器输入文本，因此在将文本读入网页时，我可以这样输入文本:

&#xD;&#xA;      <p>&#xD;&#xA;      <strong>text text. more 
text</strong>&#xD;&#xA;      <a href="http://blabla>blabla</a> even more text...

我怎样才能删除除文本之外的所有内容，包括 , 和 .和相似的角色？

Answer 1

假设这是 html(不是 xhtml)，我会使用 HTML Agility Pack解析它，并访问 InnerText :

static void Main()
{
    HtmlDocument doc = new HtmlDocument();
    doc.LoadHtml(@"&#xD;&#xA;      <p>&#xD;&#xA;      <strong>text text. more text</strong>&#xD;&#xA;      <a href=""http://blabla>blabla</a> even more text...");
    string s = doc.DocumentNode.InnerText;
    // s is: &#xD;&#xA;      &#xD;&#xA;      text text. more text&#xD;&#xA;     
}