最稳方案是用 htmlagilitypack 解析清洗html，它能正确处理自闭合标签、注释、cdata及不规范结构；安装后调用 documentnode.innertext 获取纯文本，或遍历 //text() 节点并用 htmlentity.deentitize 处理实体。
用 htmlagilitypack 解析并剥离标签最稳
直接上结论：别手写正则删 <.></.>，它会漏掉自闭合标签、注释、cdata，还可能破坏嵌套结构。用 htmlagilitypack 是 c# 里清洗 html 最可靠的选择。
它把 HTML 当成 DOM 树来处理，能正确识别标签边界、属性、文本节点，哪怕源码不规范（比如没闭合的 <p></p>）也能容错解析。
安装包：Install-Package HtmlAgilityPack
- 调用
doc.DocumentNode.InnerText拿纯文本（保留换行和空格） - 若要保留段落结构，遍历
doc.DocumentNode.SelectNodes("//text()")过滤空白节点 - 遇到
"等实体，记得用HtmlEntity.DeEntitize()转义
Regex.Replace 清洗简单片段时怎么避坑
如果只是临时处理一段已知结构的 HTML 片段（比如富文本编辑器输出的单行内容），用正则可以快，但必须加约束。
常见错误是写 Regex.Replace(html, "<.>", "")</.> —— 它会跨标签匹配，比如 <div>hello 里会误删到中间。<ul>
<li>改用非贪婪 + 单行模式：<code>Regex.Replace(html, "]*>", "", RegexOptions.Singleline)
<!--.*?--> 和 CDATA：<script>alert("<div>")</script> 会被切碎为什么 WebUtility.HtmlDecode 不等于“去标签”
新手常混淆解码和清洗：WebUtility.HtmlDecode 只负责把 < 变成 ，它不删标签，也不处理任何 <code><xxx></xxx> 结构。
如果你拿到的是双重编码字符串（比如 <div>test</div>），得先 decode 两次，再进清洗流程。
- 一次
HtmlDecode→<div>test</div> - 二次
HtmlDecode→<div>test</div> - 此时才能交给
HtmlAgilityPack或正则处理
抓取后立刻清洗？注意编码和 BOM 干扰
网页响应体里的 UTF-8 BOM（\uFEFF）或乱码字符（如 \u0000）会导致 HtmlAgilityPack 解析失败，报错 System.Xml.XmlException: Data at the root level is invalid。
不是 HTML 写错了，是字节流没对齐。
- 用
Encoding.UTF8.GetString(bytes)前，先用Encoding.UTF8.GetPreamble().Length跳过 BOM - 或统一用
new StreamReader(stream, Encoding.UTF8, detectEncodingFromByteOrderMarks: true) - 若源站返回
charset=gb2312，硬用 UTF-8 解码会产出大量 ，清洗结果全是乱码
清洗这事，90% 的问题不出在“怎么删标签”，而出在“输入根本没读对”。
