C# 移除HTML标签

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Text.RegularExpressions;

namespace Common
{
public static class StringHelper
{
/// <summary>
/// 移除HTML标签
/// </summary>
/// <param name="html"></param>
/// <param name="unRemoveTags"></param>
/// <returns></returns>
public static string RemoveTag(string html, string[] unRemoveTags = null)
{
if (unRemoveTags == null)
{
unRemoveTags = new string[] { "p", "b", "em", "a", "strong", "img" };
}
string[] otherTags = new string[] { "!doctype html", "base", "!", "object" };

html = RemovePattern(html, @" <!--([^(-){2}])*-->");//过滤注释
foreach (string e in otherTags)
{
if (!unRemoveTags.Contains(e.ToString()))
{
html = RemovePattern(html, TagRegex.Remove(e.ToString()));
}
}

Array array = Enum.GetValues(typeof(HtmlTagByAll));
foreach (Enum e in array)
{
if (!unRemoveTags.Contains(e.ToString()))
{
html = RemovePattern(html, TagRegex.RemoveAll(e.ToString()));
}
}

array = Enum.GetValues(typeof(HtmlTag));
foreach (Enum e in array)
{
if (!unRemoveTags.Contains(e.ToString()))
{
html = RemovePattern(html, TagRegex.Remove(e.ToString()));
}
}



return html;
}

/// <summary>
/// 移除标记
/// </summary>
/// <param name="text"></param>
/// <returns></returns>
public static string RemovePattern(string text, string pattern)
{
if (string.IsNullOrEmpty(text))
{
return string.Empty;
}
text = text.Trim();
text = Regex.Replace(text, pattern, "");
return text;
}


/// <summary>
/// 移除JScript代码
/// </summary>
/// <param name="text"></param>
/// <returns></returns>
public static string RemoveJScriptTag(string text)
{
text = RemovePattern(text, @"(<script){1,}[^<>]*>[^]*(</script>){1,}");
return text;
}
/// <summary>
/// 移除Div代码
/// </summary>
/// <param name="text"></param>
/// <returns></returns>
public static string RemoveDivTag(string text)
{
text = RemovePattern(text, @"<[/]{0,1}(div [^<>]*>)|<[/]{0,1}(div>)");
return text;
}
/// <summary>
/// 移除Iframe代码
/// </summary>
/// <param name="text"></param>
/// <returns></returns>
public static string RemoveIframeTag(string text)
{
text = RemovePattern(text, @"(<iframe){1,}[^<>]*>[^]*(</iframe>){1,}");
return text;
}
}
public class TagRegex
{
public static string Remove(string tag)
{
return @"<[/]{0,1}(" + tag + @" [^<>]*>)|<[/]{0,1}(" + tag + ">)";
}
public static string RemoveAll(string tag)
{
return @"<" + tag + @"([^>])*>(w|W)*?</" + tag + "([^>])*>";//@"(<" + tag + @"){1,}[^<>]*>[^]*(</" + tag + ">){1,}";
}
}
/// <summary>
/// 将移除全部标签
/// </summary>
public enum HtmlTagByAll
{
style,// 定义文档的样式信息。
iframe,// 定义内联框架。
script,// 定义客户端脚本。
}
/// <summary>
/// 只移除标签，保留内容
/// </summary>
public enum HtmlTag
{
//!--...--,// 定义注释。
a,// 定义锚。
abbr,// 定义缩写。
acronym,// 定义只取首字母的缩写。
address,// 定义文档作者或拥有者的联系信息。
applet,// 不赞成使用。定义嵌入的 applet。
area,// 定义图像地图内部的区域。
b,// 定义粗体文本。
//base,// 定义页面中所有链接的默认地址或默认目标。
baseont,// 不赞成使用。定义页面中文本的默认字体、颜色或尺寸。
bdo,// 定义文本的方向。
big,// 定义大号文本。
blockquote,// 定义块引用。
body,// 定义文档的主体。
br,// 定义简单的折行。
button,// 定义按钮。
caption,// 定义表格标题。
center,// 不赞成使用。定义居中文本。
cite,// 定义引用(citation)。
code,// 定义计算机代码文本。
col,// 定义表格中一个或多个列的属性值。
colgroup,// 定义表格中供格式化的列组。
dd,// 定义定义列表中项目的描述。
del,// 定义被删除文本。
dir,// 不赞成使用。定义目录列表。
div,// 定义文档中的节。
dl,// 定义定义列表。
dn,// 定义定义项目。
//DOCTYPE,// 定义文档类型。
dt,// 定义定义列表中的项目。
em,// 定义强调文本。
form,
h1,// to h6,// 定义 HTML 标题。
h2,
h3,
h4,
h5,
h6,
head,// 定义关于文档的信息。
hr,// 定义水平线。
html,// 定义 HTML 文档。
i,// 定义斜体文本。
ieldset,// 定义围绕表单中元素的边框。
img,// 定义图像。
input,// 定义输入控件。
ins,// 定义被插入文本。

isindex,// 不赞成使用。定义与文档相关的可搜索索引。
kbd,// 定义键盘文本。
label,// 定义 input 元素的标注。
legend,// 定义 ieldset 元素的标题。
li,// 定义列表的项目。
link,// 定义文档与外部资源的关系。
map,// 定义图像映射。
menu,// 不赞成使用。定义菜单列表。
meta,// 定义关于 HTML 文档的元信息。
norames,// 定义针对不支持框架的用户的替代内容。
noscript,// 定义针对不支持客户端脚本的用户的替代内容。
//object,// 定义嵌入的对象。
ol,// 定义有序列表。
ont,// 不赞成使用。定义文本的字体、尺寸和颜色
oot,// 定义表格中的表注内容（脚注）。
optgroup,// 定义选择列表中相关选项的组合。
option,// 定义选择列表中的选项。
orm,// 定义供用户输入的 HTML 表单。
p,// 定义段落。
param,// 定义对象的参数。
pre,// 定义预格式文本
q,// 定义短的引用。
rame,// 定义框架集的窗口或框架。
rameset,// 定义框架集。
s,// 不赞成使用。定义加删除线的文本。
samp,// 定义计算机代码样本。

select,// 定义选择列表（下拉列表）。
small,// 定义小号文本。
span,// 定义文档中的节。
strike,// 不赞成使用。定义加删除线的文本。
strong,// 定义语气更为强烈的强调文本。
sub,// 定义下标文本。
sup,// 定义上标文本。
table,// 定义表格
tbody,// 定义表格中的主体内容。
td,// 定义表格中的单元。
textarea,// 定义多行的文本输入控件。
th,// 定义表格中的表头单元格。
thead,// 定义表格中的表头内容。
title,// 定义文档的标题。
tr,// 定义表格中的行。
tt,// 定义打字机文本。
u,// 不赞成使用。定义下划线文本。
ul,// 定义无序列表。
var,// 定义文本的变量部分。
xmp,// 不赞成使用。定义预格式文本。

}

————————————————
版权声明：本文为CSDN博主「lrxin」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/lrxin/article/details/40345381