c# - 如何从 ASP.NET 中的字符串中去除 HTML 标签？

Question

使用 ASP.NET，我如何可靠地从给定字符串中去除 HTML 标记(即不使用正则表达式)？我正在寻找类似 PHP 的 strip_tags 的东西.

示例:

<ul><li>Hello</li></ul>

输出:

“你好”

我尽量不重新发明轮子，但到目前为止我还没有找到满足我需求的东西。

Answer 1

如果它只是从字符串中剥离所有 HTML 标记，这对于正则表达式也可靠有效。替换:

<[^>]*(>|$)

全局为空字符串。之后不要忘记规范化字符串，替换:

[\s\r\n]+

用一个空格，并修剪结果。可选择将任何 HTML 字符实体替换回实际字符​​。

注意:

1. 有一个限制:HTML 和 XML 允许在属性值中使用 >。当遇到此类值时，此解决方案将返回损坏的标记。
2. 该解决方案在技术上是安全的，例如: 结果绝不会包含任何可用于执行跨站点脚本或破坏页面布局的内容。只是不是很干净。
3. 与所有 HTML 和正则表达式一样:
   使用a proper parser如果您必须在所有情况下都做到正确。