匹配HTML输入的所有文本内容的正则表达式

Question

我在我的网站上有我想要自动更正和翻译的文章。但我需要获取内容，而不需要HTML标签。

这个想法是有一个正则表达式，可以检索标签之间的所有内容（如果可能的话，还可以在标签字段中找到的内容，如<img alt='Little house'>）。问题是我不知道如何编写这样的正则表达式。有任何想法吗？

Answer 1

我会推荐使用HTML parser，而不是依赖于正则表达式。用正则表达式解析HTML通常是否定的，几乎不可能适用于所有情况。这里有很多关于SO的问题得出了相同的结论。

编辑看起来像我们中的几个人有相同的想法...另外，here is a question讨论更多的解析器。

Answer 2

也许一个正则表达式并不是这份工作的最佳选择（我会免除你的强制性tirade）。

我会建议你看看HTML解析库来帮助你在这里，像Html Agility Pack。

Answer 3

随着人们说，正则表达式是不是最推荐的方式，但如果你决定，正则表达式是要走的路，这应该让你开始：

string pattern = @"(<(/?[^>]+)>)" 
strippedString = Regex.Replace(str, pattern, string.Empty); 

Answer 4

不知道这是否帮助，但我有能够将我网站上的文章翻译成读者首选的语言，我使用Bing translation widget来完成此操作，所以我不会对html进行任何解析，这些都是为我完成的。