从HTML文本提取标题文本

Question

我有一个textarea与tinyMCE文本编辑器使其成为RichTextEditor。我想提取所有标题（H1，H2等）文本没有风格和格式。
假设txtEditor.InnerText给我看重象下面这样：

<p><span style="font-family: comic sans ms,sans-serif; color: #993366; font-size: large; background-color: #33cccc;">This is before heading one</span></p> 
<h1><span style="font-family: comic sans ms,sans-serif; color: #993366;">Hello This is Headone</span></h1> 
<p>this is before heading2</p> 
<h2>This is heading2</h2> 

我想只有标题标签的文本列表？任何形式的建议和指导将不胜感激。

Answer 1

使用HtmlAgilityPack，然后很容易：

var doc = new HtmlDocument(); 
    doc.LoadHtml(txtEditor.InnerText); 
    var h1Elements = doc.DocumentNode.Descendants("h1").Select(nd => nd.InnerText); 
    string h1Text = string.Join(" ", h1Elements); 

Answer 2

引用Regular Expression to Read Tags in HTML
我认为，这是接近你在找什么：

String h1Regex = "<h[1-5][^>]*?>(?<TagText>.*?)</h[1-5]>"; 

MatchCollection mc = Regex.Matches(html, h1Regex);