asp.net - 如何删除所有标签并获得纯文本？

Question

我必须将用户输入的文本以 HTML 和 CSS 格式存储在我的数据库中。

案例是:

RadEditor ，用户将文本从 MSWord 复制到此编辑器，然后我将此文本以该格式存储在数据库中。然后当检索报告中的数据或某些标签时，某些标签会出现在文本的包装中!!

我使用正则表达式删除所有格式，但有时会成功，但并非总是如此。

private static Regex oClearHtmlScript = new Regex(@"<(.|\n)*?>", RegexOptions.Compiled);

        public static string RemoveAllHTMLTags(string sHtml)
        {

            sHtml = sHtml.Replace("&nbsp;", string.Empty);
            sHtml = sHtml.Replace("&gt;", ">");
            sHtml = sHtml.Replace("&lt;", "<");
            sHtml = sHtml.Replace("&amp;", "&");
            if (string.IsNullOrEmpty(sHtml))
                return string.Empty;

            return oClearHtmlScript.Replace(sHtml, string.Empty);
        }

---

我问如何使用 HTMLAgility 删除所有格式或确保文本纯净的任何可靠方法？

注意:该字段在数据库中的数据类型为Lvarchar

Answer 1

这应该从字符串中删除所有 html 标签。

sHtml = Regex.Replace(sHtml, "<.*?>", "");