c# - 如何将 HTML 转换为纯文本

<分区>

我尝试使用以下函数将 html 转换为纯文本，但在转换时仍然出现错误。

private static string HtmlToPlainText(string html)
        {
            const string tagWhiteSpace = @"(>|$)(\W|\n|\r)+<";//matches one or more (white space or line breaks) between '>' and '<'
            const string stripFormatting = @"<[^>]*(>|$)";//match any character between '<' and '>', even when end tag is missing
            const string lineBreak = @"<(br|BR)\s{0,1}\/{0,1}>";//matches: <br>,<br/>,<br />,<BR>,<BR/>,<BR />
            var lineBreakRegex = new Regex(lineBreak, RegexOptions.Multiline);
            var stripFormattingRegex = new Regex(stripFormatting, RegexOptions.Multiline);
            var tagWhiteSpaceRegex = new Regex(tagWhiteSpace, RegexOptions.Multiline);

            var text = html;
            //Decode html specific characters
            text = System.Net.WebUtility.HtmlDecode(text);
            //Remove tag whitespace/line breaks
            text = tagWhiteSpaceRegex.Replace(text, "><");
            //Replace <br /> with line breaks
            text = lineBreakRegex.Replace(text, Environment.NewLine);
            //Strip formatting
            text = stripFormattingRegex.Replace(text, string.Empty);
            text = text.Replace(">", "");

            return text;
        }

当我尝试调试代码时，它也在纯文本输出中显示\r 和\r\n。此函数无法将 html 正确转换为纯文本。任何人都可以建议我任何其他转换功能吗？

谢谢

最佳答案

可以使用HtmlAgilityPack的HtmlToText demo，可以是found here .

我查看了其他答案，但它们都提出了涉及正则表达式的各种解决方案。我认为 HtmlAgilityPack 没有得到足够的重视。

您需要做的就是插入 NuGet package在您的项目中并按照示例进行操作。

关于c# - 如何将 HTML 转换为纯文本，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/25075665/