C# 正規表現を使用して文字列から HTML タグを削除する方法

C＃文字列からHTMLタグを効率的に削除します

HTMLタグを削除してテキストデータのクリーニングは、多くのC＃アプリケーションで頻繁に要件です。正規表現は簡潔なソリューションを提供しますが、特に複雑なHTML構造を扱う場合は、常に最も堅牢な方法ではないかもしれません。

HTMLタグを削除する単純な正規表現は、

です

この式は、HTMLタグを効果的にターゲットにして、角度ブラケット内に囲まれたキャラクターを識別および一致させます。

<code class="language-csharp"><[^>]*></code>

メソッドは、削除を容易にします：

Regex.Replace

このコードスニペットは、一致したすべてのタグを空の文字列に置き換え、プレーンテキストのみを残します。

<code class="language-csharp">string cleanText = Regex.Replace(htmlString, @"<[^>]*>", string.Empty);</code>

重要な考慮事項：

この正規表現アプローチには制限があります。 ネストされたタグまたは角度ブラケットを含むCDATAセクションを含むシナリオを正しく処理できない場合があります。より複雑なHTMLの場合、専用のHTMLパーサーは優れた精度と信頼性を提供します。 XMLパーサーを使用することは、このような状況での堅牢なHTMLタグ削除のためのより良い代替手段です。

以上がC# 正規表現を使用して文字列から HTML タグを削除する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。