关于使用正则表达式过滤HTML代码中标记遇到的一个问题

Question

我写了一个正则表达式用来过滤HTML代码中的所有标签，仅保留文字信息。表达式如下：
MyRule = @"<(?:.|\s)*?>";
使用该表达式过滤HTML特殊范例代码：
<td title="aaa" onmouseover="if (this.title.length > 0) {this.style.cursor='hand';}" width="128" bgcolor="#848484" height="25" >文本内容</td>理论上应该得到：文本内容
实际运行后得到：0) {this.style.cursor='hand';}" width="128" bgcolor="#848484" height="25" >文本内容大部分的标签不太会碰到这种情况，例如<td>文本内容</td>，这种情况就属于常见的，这样运行会得到正确结果前轮距(mm)，而上述问题是由于标签中的事件本身包含了一个">"符号，从而导致正则表达式解析时出错。我想了很久也没想到该如何修改正则表达式来兼容这种情况。请各位大侠帮忙！我的源代码如下：
private string GetText(string Content)
{
    string Result = null;
    string MyRule = null;
    Regex MyRegex = null;
    MyRule = @"[\r\n]*<(?:.|\s)*?>";
    MyRegex = new Regex(MyRule, RegexOptions.IgnoreCase);
    Result = MyRegex.Replace(Content, "");
    return Result;
}

Answer 1

我写正则就不太敢相信  *?
MyRule=@"<(?:[^><]|""[^""]""|'[^']')*>";

Answer 2

MyRule=@"<(?:[^><]|""[^""]*""|'[^']*')*>";

Answer 3

明天回家,帮你把这问题解决了 呵呵Regex.Replace(你的字符串,@"[^\u4e00-\u9fa5]*");

Answer 4

MyRule = @"<(?:""[^""]*""|'[^']*'|[^""'>])*>";

Answer 5

或者是带注释的格式：
MyRule = 
@"(?x)             # 宽松排列格式
  <                # 开始的尖括号(<)
    (?:            #   下述字符
      ""[^""]*""   #     双引号字符串
      |            #     或者是 ...
      '[^']*'      #     单引号字符串
      |            #     或者是 ...
      [^""'>]      #     除了双引号、单引号或结束的尖括号(>)外的其他文本
    )*             #   重复任意多次
  >                # 结束的尖括号">"
";

Answer 6

上面的“# 结束的尖括号">"”中的双引号会出问题，更正一下：MyRule = 
@"(?x)             # 宽松排列格式
  <                # 开始的尖括号(<)
    (?:            #   下述字符
      ""[^""]*""   #     双引号字符串
      |            #     或者是 ...
      '[^']*'      #     单引号字符串
      |            #     或者是 ...
      [^""'>]      #     除了双引号、单引号或结束的尖括号(>)外的其他文本
    )*             #   重复任意多次
  >                # 结束的尖括号(>)
";

Answer 7

不过仔细看,我这个也没错啊...
MyRule=@"<(?:[^><]|""[^""]""|'[^']')*>";

Answer 8

using System;
// 不过仔细看,我这个也没错啊... 
// MyRule=@"<(?:[^><]|""[^""]""|'[^']')*>";
// 实际检验一下：using System.Text.RegularExpressions;class Test
{
  static void Main()
  {
    string s = @"<td onmouseover=""if (a > 0)"">abc</td>def";
    string r = @"<(?:[^><]|""[^""]""|'[^']')*>";
    string t = Regex.Replace(s, r, ""); 
    Console.WriteLine(t);  // 输出：“ 0)">abcdef”
  }
}

Answer 9

复制错了,我说的是3楼那个
MyRule=@"<(?:[^><]|""[^""]*""|'[^']*')*>";

Answer 10

// 复制错了,我说的是3楼那个
// MyRule=@"<(?:[^><]|""[^""]*""|'[^']*')*>";
// 还是有问题：
// 因为你的“[^><]”可以匹配比引号。using System;
using System.Text.RegularExpressions;class Test
{
  static void Main()
  {
    string s = @"<td onmouseover=""if (a > 0)"">abc</td>def";
    string r = @"<(?:[^><]|""[^""]*""|'[^']*')*>";
    string t = Regex.Replace(s, r, ""); 
    Console.WriteLine(t);  // 输出：“ 0)">abcdef”
  }
}

Answer 11

// 因为你的“[^><]”可以匹配双引号或单引号。

Answer 12

// 把"[^><]"改成@"[^""'><]"就没问题了。

Answer 13

哈哈 换个顺序 就可以了
string r = @"<(?:""[^""]*""|'[^']*'|[^><])*>";原来那个方案会吃掉单个引号..造成后面那些不会匹配了...