如何把网页文件HTML,保存为TXT文件,就象打开网页后,用全选-复制,再粘贴到记事本中的效果一样。去除了所有的网页格式等。

解决方案 »

  1.   

    ]
    ///   <summary>
    ///   去除HTML标记
    ///   </summary>
    ///   <param   name="NoHTML">包括HTML的源码   </param>
    ///   <returns>已经去除后的文字</returns>
    public static string NoHTML(string Htmlstring)
    {
      //删除脚本
      Htmlstring = Regex.Replace(Htmlstring, @"<script[^>]*?>.*?</script>", "",
        RegexOptions.IgnoreCase);
      //删除HTML
      Htmlstring = Regex.Replace(Htmlstring, @"<(.[^>]*)>", "",
        RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"([\r\n])[\s]+", "",
        RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"-->", "", RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"<!--.*", "", RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"&(quot|#34);", "\"",
        RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"&(amp|#38);", "&",
        RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"&(lt|#60);", "<",
        RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"&(gt|#62);", ">",
        RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"&(nbsp|#160);", "   ",
        RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"&(iexcl|#161);", "\xa1",
        RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"&(cent|#162);", "\xa2",
        RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"&(pound|#163);", "\xa3",
        RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"&(copy|#169);", "\xa9",
        RegexOptions.IgnoreCase);
      Htmlstring = Regex.Replace(Htmlstring, @"&#(\d+);", "",
        RegexOptions.IgnoreCase);  Htmlstring.Replace("<", "");
      Htmlstring.Replace(">", "");
      Htmlstring.Replace("\r\n", "");
      Htmlstring = HttpContext.Current.Server.HtmlEncode(Htmlstring).Trim();  return Htmlstring;
    }/**/ ///提取HTML代码中文字的C#函数
    ///   <summary>
    ///   去除HTML标记
    ///   </summary>
    ///   <param   name="strHtml">包括HTML的源码   </param>
    ///   <returns>已经去除后的文字</returns>
    using System;
    using System.Text.RegularExpressions;
    public class StripHTMLTest
    {
      public static void Main()
      {
        string s = StripHTML(
          "<HTML><HEAD><TITLE>中国石龙信息平台</TITLE></HEAD><BODY>faddfs龙信息平台</BODY></HTML>");
        Console.WriteLine(s);
      }  public static string StripHTML(string strHtml)
      {
        string[]aryReg =
        {
          @"<script[^>]*?>.*?</script>",      @"<(\/\s*)?!?((\w+:)?\w+)(\w+(\s*=?\s*(([""'])(\\["
            "'tbnr]|[^\7])*?\7|\w+)|.{0})|\s)*?(\/\s*)?>", @"([\r\n])[\s]+", @
            "&(quot|#34);", @"&(amp|#38);", @"&(lt|#60);", @"&(gt|#62);", @
            "&(nbsp|#160);", @"&(iexcl|#161);", @"&(cent|#162);", @"&(pound|#163);",
            @"&(copy|#169);", @"&#(\d+);", @"-->", @"<!--.*\n"
        };    string[]aryRep =
        {
          "", "", "", "\"", "&", "<", ">", "   ", "\xa1",  //chr(161),
          "\xa2",  //chr(162),
          "\xa3",  //chr(163),
          "\xa9",  //chr(169),
          "", "\r\n", ""
        };    string newReg = aryReg[0];
        string strOutput = strHtml;
        for (int i = 0; i < aryReg.Length; i++)
        {
          Regex regex = new Regex(aryReg[i], RegexOptions.IgnoreCase);
          strOutput = regex.Replace(strOutput, aryRep[i]);
        }
        strOutput.Replace("<", "");
        strOutput.Replace(">", "");
        strOutput.Replace("\r\n", "");
        return strOutput;
      }
    }写一个静态方法移除HTML标签
    #region
    ///移除HTML标签
     /**/ ///   <summary>
    ///   移除HTML标签
    ///   </summary>
    ///   <param   name="HTMLStr">HTMLStr</param>
    public static string ParseTags(string HTMLStr)
    {
      return System.Text.RegularExpressions.Regex.Replace(HTMLStr, "<[^>]*>", "");
    }#endregion
        
    #region
    ///   取出文本中的图片地址
    ///   <summary>
    ///   取出文本中的图片地址
    ///   </summary>
    ///   <param   name="HTMLStr">HTMLStr</param>
    public static string GetImgUrl(string HTMLStr)
    {
      string str = string.Empty;
      string sPattern = @"^<img\s+[^>]*>";
      Regex r = new Regex(@"<img\s+[^>]*\s*src\s*=\s*([']?)(?<url>\S+)'?[^>]*>",
        RegexOptions.Compiled);
      Match m = r.Match(HTMLStr.ToLower());
      if (m.Success)
        str = m.Result("${url}");
      return str;
    }#endregion
      

  2.   

    谁能帮我转成vb.net的代码啊????