黑简单的问题，c#如何操作HTML？

[DavidNoWay]

想把一个HTML文件另存为TXT格式的。
请问如何操作。
注意，不是直接修改文件后缀，是要“另存为”txt格式。
比如百度，另存为显示
百度一下，你就知道登录




新 闻网 页贴 吧知 道MP3图 片视 频
帮助
高级
空间 hao123 | 更多>>
把百度设为主页企业推广 | 搜索风云榜 | 关于百度 | About Baidu©2008 Baidu 使用百度前必读 京ICP证030173号

[绝代坏坏]

webclient 读到内存里。然后正则过滤标签，然后输出到txt就ok了。

[我姓区不姓区]

[Quote=引用 1 楼 juedaihuaihuai 的回复:]
webclient 读到内存里。然后正则过滤标签，然后输出到txt就ok了。
[/Quote]
正解

[DavidNoWay]

大侠webclient 是什么东东呢？另外，是用WINFORM的，能举个简单的例子么？

[cwblaze]

黑简单的问题，c#如何操作HTML？



黑简单的问题是什么意思!@#$%^&*(.....

[我姓区不姓区]

            WebClient wc = new WebClient();
            string content = wc.DownloadString("http://www.baidu.com");
            Console.WriteLine(content);
            content = Regex.Replace(content, @"<style>[\s\S]*</style>", string.Empty);
            content = Regex.Replace(content, @"<script[\s\S]*>[\s\S]*</script>", string.Empty);
            content = Regex.Replace(content, @"<(?:.|\s)*?>", string.Empty);
            content = Regex.Replace(content, @"\&[^\;]*\;", " ");
            StreamWriter sw = File.CreateText("D:\\data.txt");
            sw.Write(content);
            sw.Close();
/*
data.txt中的内容：
百度一下，你就知道      
登录新 闻网 页贴 吧知 道MP3图 片视 频
  帮助高级
空间  hao123 | 更多>>

把百度设为主页企业推广 | 搜索风云榜 | 关于百度 | About Baidu 2008 Baidu 使用百度前必读 京ICP证030173号 
*/

[怫悰]

冒泡

简单的话用WebBrowser的ShowSaveAsDialog

[DavidNoWay]

谢谢五楼的兄弟，其实html文件是在本地的机子上单个文件。不用考虑网络的问题哈。
再麻烦各位一下了。

[Avoid]

[Quote=引用 7 楼 ayouaja 的回复:]
谢谢五楼的兄弟，其实html文件是在本地的机子上单个文件。不用考虑网络的问题哈。
再麻烦各位一下了。
[/Quote]

你还是直接让人给你写个程序吧

[veiny]

正则表达过滤，得到正文

将<...>替换成null即String.Empty

content = Regex.Replace(content, @"<(?:.|\s)*?>", string.Empty);

[jimmyzhang]

string content = File.ReadAllText(Server.MapPath(".")+"\\your.htm").ToString();
content = Regex.Replace(content, @"<style>[\s\S]*</style>", string.Empty);
content = Regex.Replace(content, @"<script[\s\S]*>[\s\S]*</script>", string.Empty);
content = Regex.Replace(content, @"<(?:.|\s)*?>", string.Empty);
content = Regex.Replace(content, @"\&[^\;]*\;", " ");

System.IO.StreamWriter sw = File.CreateText(Server.MapPath(".")+"\\data.txt");
sw.Write(content);
sw.Close();

[jimmyzhang]

注意引用
using System.IO;

[DavidNoWay]

            string filename = "";
            OpenFileDialog dlg = new OpenFileDialog();
            dlg.InitialDirectory = System.Windows.Forms.Application.StartupPath;
            dlg.Filter = "html文件 (*.html)|*.html";
            dlg.FilterIndex = 0;
            dlg.RestoreDirectory = true;
            if (dlg.ShowDialog() == DialogResult.OK)
            {
                filename = dlg.FileName;
            }
            StreamReader fileStream = new StreamReader(filename, Encoding.Default);
            string content = fileStream.ReadToEnd();
            content = Regex.Replace(@"<style>[\s\S]*</style>", string.Empty);
            content = Regex.Replace(@"<script[\s\S]*>[\s\S]*</script>", string.Empty);
            content = Regex.Replace(@"<(?:.|\s)*?>", string.Empty);
            content = Regex.Replace(@"\&[^\;]*\;", " ");

            StreamWriter sw = File.CreateText("D:\\data.txt");
            sw.Write(content);
            sw.Close();

提示“当前上下文中不存在名称“Regex””，Regex是什么东东呢？

[DavidNoWay]

唉，神啊救救我吧

[我姓区不姓区]

[Quote=引用 7 楼 ayouaja 的回复:]
谢谢五楼的兄弟，其实html文件是在本地的机子上单个文件。不用考虑网络的问题哈。
再麻烦各位一下了。

[/Quote]
都写到这份上了，自己就不能琢磨琢磨

            string content = System.IO.File.ReadAllText("D:\\index.html", Encoding.GetEncoding("gb2312"));
            Console.WriteLine(content);
            content = Regex.Replace(content, @"<style>[\s\S]*</style>", string.Empty);
            content = Regex.Replace(content, @"<script[\s\S]*>[\s\S]*</script>", string.Empty);
            content = Regex.Replace(content, @"<(?:.|\s)*?>", string.Empty);
            content = Regex.Replace(content, @"\&[^\;]*\;", " ");
            StreamWriter sw = File.CreateText("D:\\data.txt");
            sw.Write(content);
            sw.Close();

[DavidNoWay]

            string filename = "";
            OpenFileDialog dlg = new OpenFileDialog();
            dlg.InitialDirectory = System.Windows.Forms.Application.StartupPath;
            dlg.Filter = "html文件 (*.html)|*.html";
            dlg.FilterIndex = 0;
            dlg.RestoreDirectory = true;
            if (dlg.ShowDialog() == DialogResult.OK)
            {
                filename = dlg.FileName;
            }

            StreamReader fileStream = new StreamReader(filename, Encoding.Default);
            string content = fileStream.ReadToEnd();
            content = Regex.Replace(content,@"<style>[\s\S]*</style>", string.Empty);
            content = Regex.Replace(content, @"<script[\s\S]*>[\s\S]*</script>", string.Empty);
            content = Regex.Replace(content, @"<(?:.|\s)*?>", "");
            content = Regex.Replace(content, @"\&[^\;]*\;", " ");

            StreamWriter sw = File.CreateText("D:\\data.txt");
            sw.Write(content);
            sw.Close();

原来要导入using System.Text.RegularExpressions;啊
搞定了，谢谢各位。