如何去掉内容中的HTML标签,包括标签中的内嵌标签和属性,只留下文字内容

Question

如何去掉内容中的HTML标签,包括标签中的内嵌标签和属性,只留下文字内容,如:
<SPAN lang=EN><FONT face="Times New Roman">测试文字</FONT></SPAN>
过滤掉只留下"测试文字",这是从数据库中读取来的,内容包括这些标签的.请高手救我,比较急.谢谢了!

Answer 1

StringBuilder sb = new StringBuilder();
bool skip = false;
foreach(char ch in str)
{
   if(ch == '<')
     skip = true;
   else if(ch == '>')
     skip = false;
   else
     if(!skip)
      sb.Append(ch);
}
return sb.ToString();

Answer 2

如果是只留汉字,可以用函数将字母与<>过滤掉

Answer 3

或者正则表达式
string html = "<SPAN lang=EN> <FONT face=\"Times New Roman\">测试文字 </FONT> </SPAN> ";
            Regex reg = new Regex("<.*?>", RegexOptions.Compiled);
            string newString = reg.Replace(html, string.Empty);

Answer 4

id.innerHTML
或是
id.innerText

Answer 5

用正则：
function nohtml(str)
    dim re
    Set re=new RegExp
    re.IgnoreCase =true
    re.Global=True
    re.Pattern="(\<.[^\<]*\>)"
    str=re.replace(str," ")
    re.Pattern="(\<\/[^\<]*\>)"
    str=re.replace(str," ")
    nohtml=str
    set re=nothing
end function上面是ASP的，

Answer 6

 Regex reg = new Regex(@" <[^>]*>", RegexOptions.Compiled); 
        string newString = reg.Replace(this.TextBox1.Text, string.Empty);
        Response.Write(newString);

Answer 7

text = Regex.Replace(text, "<(.|\\n)*?>", string.Empty);

Answer 8

string html = "<SPAN lang=EN> <FONT face=\"Times New Roman\">测试文字 </FONT> </SPAN> ";
Regex reg = new Regex(@"<\/*[^<>]*>", RegexOptions.IgnoreCase);
string newString = reg.Replace(html, string.Empty);