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:保留指定標籤的實戰模式

C# 正則表達式處理 HTML 標籤實戰指南

在 .NET 開發中,常需從 HTML 字符串中移除標籤或保留特定標籤。Regex.Replace 配合精心設計的模式可高效完成此任務。

核心代碼結構

protected void Page_Load(object sender, EventArgs e)
{
    string htmlContent = GetHtmlContent(); // 獲取待處理 HTML
    string pattern = @"<(?!img|br|p|/p).*?>"; // 保留 img, br, p 標籤
    string cleanHtml = Regex.Replace(htmlContent, pattern, string.Empty, RegexOptions.IgnoreCase);
}

常用正則模式對照表

需求正則模式說明
移除所有標籤@"<[^>]*>"匹配任意標籤
移除 script 標籤及內容@"<script[^>]*?>.*?</script>"單行模式需加 RegexOptions.Singleline
移除 img 標籤@"<img[^>]*>"針對圖片標籤
保留 br 標籤,移除其它@"<(?!br).*?>"負向前瞻排除 br
移除 table 及其所有內容@"<table[^>]*?>.*?</table>"需 Singleline 選項
保留 img, br, p, /p@"<(?!img|br|p|/p).*?>"多標籤排除

關鍵正則語法解析

  • (?!...):負向前瞻斷言,匹配不後跟指定內容的位置
  • .*?:非貪婪匹配,儘可能少匹配字符
  • RegexOptions.IgnoreCase:忽略大小寫匹配
  • RegexOptions.Singleline:讓 . 匹配換行符

完整示例:清理富文本編輯器內容

public string SanitizeHtml(string input, string[] allowedTags = null)
{
    if (string.IsNullOrEmpty(input)) return string.Empty;
    
    var allowed = allowedTags ?? new[] { "p", "br", "b", "i", "u", "strong", "em", "a" };
    string allowedPattern = string.Join("|", allowed.Select(t => Regex.Escape(t)));
    string pattern = $@"<(?!/?(?:{allowedPattern})\b)[^>]*>";
    
    return Regex.Replace(input, pattern, string.Empty, RegexOptions.IgnoreCase | RegexOptions.Singleline);
}

⚠️ 重要警示

正則解析 HTML 存在固有風險:
  • HTML 不是正則語言,巢狀結構、屬性值含 > 等情況會導致匹配失敗
  • 惡意構造的 HTML 可能繞過過濾(XSS 風險)
  • 生產環境強烈建議使用 HtmlAgilityPack 或 AngleSharp 等專業 HTML 解析庫

專業庫示例

// HtmlAgilityPack 示例
var doc = new HtmlDocument();
doc.LoadHtml(html);
var nodesToRemove = doc.DocumentNode.SelectNodes("//*[not(self::p or self::br or self::img)]");
if (nodesToRemove != null) {
    foreach (var node in nodesToRemove) node.Remove();
}
return doc.DocumentNode.WriteTo();

正則適合簡單、可控場景;複雜 HTML 清理請使用專業解析器,安全與可維護性更有保障。

copyright © 萬盛學電腦網 all rights reserved