正则表达式剥离锚标记之间的一切

Question

我想从下面一个HTML字符串去掉所有锚标签之间的链接和文本：

string LINK_TAG_PATTERN = "/<a\b[^>]*>(.*?)<\\/a>"; 

htmltext = Regex.Replace(htmltext, LINK_TAG_PATTERN, string.Empty); 

这不是工作人有想法，为什么？

非常感谢，

编辑：正则表达式是从该链接Extract text and links from HTML using Regular Expressions

Answer 1

问题在您的字符串：？在开始不必要的斜杠（这是Perl的语法），转义反斜杠（\b），不需要转义反斜杠（\\）

所以，如果有是一个正则表达式，采取一切警告考虑有足够的其他人联系，尽量

string LINK_TAG_PATTERN = @"<a\b[^>]*>(.*?)</a>"; 
htmltext = Regex.Replace(htmltext, LINK_TAG_PATTERN, string.Empty, RegexOptions.IgnoreCase); 

的\b是必要的，以防止与a从匹配启动其他标签。

Answer 2

我建议Expresso解决的正则表达式。您可以找到一个正则表达式库here。

您可能会考虑使用javascript来代替正则表达式来替换DOM树。

Answer 3

使用HTML解析器而不是正则表达式来解析HTML。

HTML Agiliity Pack

Answer 4

概念上，这只是一个非常特殊的条链接（例如你的正则表达式不匹配大写A，A是完全有效的HTML：<A ...>bla</A>更换不会对JavaScript的链接工作，要么。是您的代码相关的用户安全

Answer 5

string LINK_TAG_PATTERN = @"(<a\s+[^>]*>)(.*?)(</a>)"; 

htmltext = Regex.Replace(htmltext, LINK_TAG_PATTERN, "$1$3", RegexOptions.IgnoreCase);