代码：
public
static string StripHTML(string HTML) //google "StripHTML" 得到 {
string[] Regexs = {
@"<script[^>]*?>.*?</script>",
@"<(\/\s*)?!?((\w+:)?\w+)(\w+(\s*=?\s*(([""'])(\\[""'tbnr]|[^\7])*?\7|\w+)|.{0})|\s)*?(\/\s*)?>",
@"([\r\n])[\s]+", @"&(quot|#34)",
@"&(amp|#38)", @"&(lt|#60)",
@"&(gt|#62)", @"&(nbsp|#160)",
@"&(iexcl|#161)",
@"&(cent|#162)",
@"&(pound|#163)",
@"&(copy|#169)", @"(\d+)",
@"-->", @"<!--.*\n" }string[]
Replaces = { "", "", "", "\"", "&",
"<", ">", " ", "\xa1", //chr(161),
"\xa2", //chr(162), "\xa3", //chr(163), "\xa9", //chr(169), "",
"\r\n", "" }string s = HTMLfor (int i = 0i <
Regexs.Lengthi++) { s = new Regex(Regexs[i],
RegexOptions.Multiline | RegexOptions.IgnoreCase).Replace(s,
Replaces[i])} s.Replace("<", "")
s.Replace(">", "")s.Replace("\r\n", "")return s
} }
假设我们要获取下面html标签中的内容：
第一段是获取 <p></p>标签内部的数据，第二个是获取 <p><span></span></p>标签中的数据，其中span标签中有style属性值。
使用过正则表达式的同学肯定知道，上面两种情况其实都是一种情况，我们要获取的是 尖括号括起来的一对标签 中间的数据，起始标签形如<x>，结束标签形如</x>，这里的x表示的html标签。
此外，我们还需要考虑起始标签中包含style的数据，另外特殊的 <br/>标签，对实际获取数据无意义，也需要过滤掉。
通过上面的分析，我们可以如下正则表达式：
在使用正则表达式处理之前，我们先对数据进行预处理，比如style和
标签：
针对多个标签嵌套的情况进行处理，比如 <p><span style="white-space: normal">王者荣耀</span></p>，在经过预处理和正则匹配的后结果是 <span>王者荣耀 ，需要手工移除掉前面的起始标签，对应的方法如下：
测试方法如下：
output:
1、过滤所有html标签的属性的正则表达式：$search = array ("'<script[^>]*?>.*?</script>'si", // 去掉 JavaScript
"'<[\/\!]*?[^<>]*?>'si", // 去掉 HTML 标记
"'([\r\n])[\s]+'",// 去掉空白字符
"'&(quot|#34)'i",// 替换 HTML 实体
"'&(amp|#38)'i",
"'&(lt|#60)'i",
"'&(gt|#62)'i",
"'&(nbsp|#160)'i"
) // 作为 PHP 代码运行
$replace = array ("","","\\1","\"","&","<",">"," ")
$html = preg_replace($search, $replace, $html)
顶
