Comment puis-je supprimer efficacement toutes les balises HTML d'une chaîne ?

Supprimer le HTML des chaînes sans spécifier de balises

Question :

Comment puis-je supprimer sans effort toutes les balises HTML d'une chaîne , quelles que soient les balises spécifiques impliqué ?

Exemple :

Considérez la chaîne riche en HTML suivante :

string title = "<b>Hulk Hogan's Celebrity Championship Wrestling     <font color=\"#228b22\">[Proj # 206010]</font></b>     (Reality Series,)

Idéalement, nous voulons que la sortie be :

"Hulk Hogan's Celebrity Championship Wrestling [Proj # 206010] (Reality Series)"

Solution :

Approche Regex :

Une solution efficace utilise des expressions régulières :

public static string StripHTML(string input)
{
   return Regex.Replace(input, "<.*?>", String.Empty);
}

Cette expression régulière correspond à n'importe quelle chaîne entourée de crochets (< et >) et la remplace par une chaîne vide.

HTML Agility Pack :

Vous pouvez également exploiter la bibliothèque HTML Agility Pack :

HTMLDocument doc = new HTMLDocument();
doc.LoadHtml(input);
string stripped = doc.DocumentNode.InnerText;

Cette méthode analyse le Chaîne HTML et renvoie uniquement le contenu du texte, à l'exclusion de toutes les balises et attributs.

Mises en garde :

Bien que ces méthodes suppriment efficacement les balises HTML, elles ont des limites :

• L'approche regex peut manquer certains attributs complexes Structures HTML.
• Le HTML Agility Pack peut être plus lent pour les gros HTML documents.

Il est important de choisir la solution appropriée en fonction de vos exigences spécifiques et de vos compromis.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!