C#抓取网页数据 解析标题描述图片等信息 去除HTML标签

        List<string> lstImg = new List<string>();
        foreach (Match match in matches)
        {
            lstImg.Add(match.Groups["imgUrl"].Value);
        }
        return lstImg;
    }
    /// <summary>
    /// HTML中提取图片地址
    /// </summary>
    public static string PickupImgUrlFirst(string html)
    {
        List<string> lstImg = PickupImgUrl(html);
        return lstImg.Count == 0 ? string.Empty : lstImg[0];
    }
}

 

4.去除Html标签

 

复制代码
private string StripHtml(string strHtml)
{
    Regex objRegExp = new Regex("<(.|n)+?>");
    string strOutput = objRegExp.Replace(strHtml, "");
    strOutput = strOutput.Replace("<", "<");
    strOutput = strOutput.Replace(">", ">");
    return strOutput;
}

 

有些例外会使得去除不干净，所以建议连续两次转化。这样将Html标签转化为了空格。太多连续的空格会影响之后对字符串的操作。所以再加入这样的语句：

 

复制代码
//把所有空格变为一个空格
Regex r = new Regex(@"s+");
wordsOnly = r.Replace(strResponse, " ");
wordsOnly.Trim();

注：相关教程知识阅读请移步到c#教程频道。