C#使用正则替换冗余的html标签

[ang18]

今需要处理编辑器内容中的html冗余标签；
如标签中内容为空白或 一类的标签，需要清除掉，
例：<p> </p>、<p>  </p>、<p></p>等都属于冗余标签，需要清理掉，当然，p也可以是div、span之类的标签，求C#使用正则处理方法，或有其他方法也可以提出来，thx !

[q107770540]

/// <summary>
    /// 去掉html标记
    /// </summary>
    /// <param name="str"></param>
    /// <returns></returns>
    protected static string ConvertGettext(string str)
    {
        Regex regex = new Regex(@"\<(.*?)\>", RegexOptions.IgnoreCase);

        return regex.Replace(str, "").Replace(" ", "").Replace("\n", "").Replace("\r", "");
    }

[c02645]

    protected string ConvertGettext(string str)
    {
        Regex regex = new Regex(@"<[^/>]+>( |\ \;)*</[^>]+>");
        while (true)//循环替换，防止元素嵌套
        {
            str = regex.Replace(str, "");
            if (!regex.IsMatch(str))
                break;
        }
        return str;
    }
ConvertGettext("<div> <p>        </p>、<p>  </p>、<p></p></div><div><span> <a>  </a>  </span></div><div>11111111</div>");

[ang18]

引用 1 楼 q107770540 的回复:

/// <summary>
    /// 去掉html标记
    /// </summary>
    /// <param name="str"></param>
    /// <returns></returns>
    protected static string ConvertGettext(string str)
    {
        Regex regex = new Regex(@"\<(.*?)\>", RegexOptions.IgnoreCase);

        return regex.Replace(str, "").Replace(" ", "").Replace("\n", "").Replace("\r", "");
    }

帅哥，是去掉不含实际内容的冗余html标签（标签内容只有空白字符），你这个把所有的标签都去了哈，而且多出很多\t,能再改下否，thx

[c02645]

如果要内含换行就往里加\r\n,要替换\t什么的都往里加 <[^/>]+>( |\ \;|\r\n)*</[^>]+>

[q107770540]

/// <summary>
    /// 去掉html标记
    /// </summary>
    /// <param name="str"></param>
    /// <returns></returns>
    protected static string ConvertGettext(string str)
    {
        Regex regex = new Regex(@"<[ \r\n\s\t]*?>", RegexOptions.IgnoreCase);
 
        return regex.Replace(str, "").Replace(" ", "").Replace("\n", "").Replace("\r", "");
    }

[ang18]

引用 5 楼 q107770540 的回复:

/// <summary>
    /// 去掉html标记
    /// </summary>
    /// <param name="str"></param>
    /// <returns></returns>
    protected static string ConvertGettext(string str)
    {
        Regex regex = new Regex(@"<[ \r\n\s\t]*?>", RegexOptions.IgnoreCase);
 
        return regex.Replace(str, "").Replace(" ", "").Replace("\n", "").Replace("\r", "");
    }

不成，比如像二楼的内容：<div> <p> </p>、<p>  </p>、<p></p></div><div><span> <a> </a> </span></div><div>11111111</div>， 你这个处理后变成：<div> </p>、</p>、</p></div><div><span> <a> </a> </span></div><div>11111111</div>； 没有成对清除冗余标签，冗余a标签亦没去除

[夜轻风]

            string str = "<div> <p>        </p>、<p>  </p>、<p></p></div><div><span> <a>  </a>  </span></div><div>11111111</div>";
            Regex reg = new Regex(@"<(?<bq>[^>]+)>( |\s)*</\k'bq'>");

            MatchCollection mc = reg.Matches(str);

            while (mc.Count > 0)
            {
                foreach (Match m in mc)
                {
                    str = str.Replace(m.Value, "");
                }
                mc = reg.Matches(str);
            }

[q107770540]

/// <summary>
    /// 去掉html标记
    /// </summary>
    /// <param name="str"></param>
    /// <returns></returns>
    protected static string ConvertGettext(string str)
    {
        Regex regex = new Regex(@"<(\w+)>[ \r\n\s\t]*?</\1>", RegexOptions.IgnoreCase);
  
        return regex.Replace(str, "").Replace(" ", "").Replace("\n", "").Replace("\r", "");
    }

[u_2412258581]

换行就往里加\r\n,