萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網頁製作 >> HTML5 教學

C# 正則表達式移除 HTML 標籤:保留指定標籤、過濾腳本樣式的實戰模式

核心正則模式

// 1. 移除所有標籤(含屬性)
string patternAll = @"<[^>]*>";

// 2. 移除 script 標籤及內容
string patternScript = @"]*>.*?";

// 3. 移除 iframe 標籤及內容
string patternIframe = @"]*>.*?";

// 4. 移除 style 標籤及內容
string patternStyle = @"]*>.*?";

// 5. 移除所有標籤,但保留 
string patternKeepBr = @"<(?!br\b)[^>]*>"; // 6. 移除所有標籤,保留

string patternKeepSelected = @"<(?!img|br|p|/p\b)[^>]*>"; // 7. 移除 table 及其所有內容 string patternTable = @"]*>.*?";

完整調用示例

string input = "..."; // 含 HTML 的字符串

// 組合過濾:先去腳本/樣式,再去其餘標籤(保留安全集)
string step1 = Regex.Replace(input, patternScript, "", RegexOptions.IgnoreCase | RegexOptions.Singleline);
string step2 = Regex.Replace(step1, patternIframe, "", RegexOptions.IgnoreCase | RegexOptions.Singleline);
string step3 = Regex.Replace(step2, patternStyle, "", RegexOptions.IgnoreCase | RegexOptions.Singleline);
string clean = Regex.Replace(step3, patternKeepSelected, "", RegexOptions.IgnoreCase);

關鍵選項說明

  • RegexOptions.IgnoreCase:大小寫不敏感匹配標籤名。
  • RegexOptions.Singleline:讓 `.` 匹配換行符,跨行匹配標籤內容。
  • (?!xxx):負向前瞻,排除指定標籤。

⚠️ 正則處理 HTML 的局限

  • HTML 非正則語言,**巢狀標籤、屬性含 `>`、CDATA、註釋** 易導致誤匹配。
  • 生產環境**強烈建議使用 HTML 解析器**(HtmlAgilityPack、AngleSharp),構建 DOM 樹後按節點類型過濾,再輸出 OuterHtml。

HtmlAgilityPack 範例

var doc = new HtmlDocument();
doc.LoadHtml(html);
foreach (var node in doc.DocumentNode.SelectNodes("//script|//style|//iframe").ToList())
    node.Remove();
// 保留白名單標籤,其餘展平為文本
var allowed = new HashSet { "p", "br", "b", "strong", "em", "a", "img" };
foreach (var node in doc.DocumentNode.Descendants().Where(n => n.NodeType == HtmlNodeType.Element).ToList())
{
    if (!allowed.Contains(node.Name))
    {
        node.ParentNode.ReplaceChild(HtmlNode.CreateNode(node.InnerText), node);
    }
}
string safeHtml = doc.DocumentNode.OuterHtml;

結語

正則適合簡單、可控、一次性清洗;複雜、不可信、長期維護的 HTML 淨化,**請用專業解析器**。

copyright © 萬盛學電腦網 all rights reserved