asp.netRegex刪除指定的HTML標籤的代碼

如果全盤刪除裡面的 HTML 標籤,可能會造成閱讀上的困難(比如 a, img 這些標籤), 最好是刪除一部分,保留一部分.

Regex裡,判斷 包含某些字串 是非常容易理解的,但是如何判斷 不包含某些字串 (是字串,不是字元,是某些,不是某個) 確實是個費解的事. 複製代碼 代碼如下:<(?!((/?\s?li)|(/?\s?ul)|(/?\s?a)|(/?\s?img)|(/?\s?br)|(/?\s?span)|(/?\s?b)))[^>]+>

這個正則是判斷HTML標籤不包含 li / ul / a / img / br / span / b 的,就上面的要求來說,是要 刪除 除這裡列出的HTML標籤,這也是我摸索了很長時間才搞出來的.
(?!exp) 匹配後面跟的不是exp的位置
/?\s? 我一開始試著把它寫到最前面的 < 後面,但是測試失敗了.

下面是一個簡單的函數,把要保留的TAG串起來,產生一個Regex,然後把不需要的TAG刪除... 複製代碼 代碼如下:private static string RemoveSpecifyHtml(string ctx) {
string[] holdTags = { "a", "img", "br", "strong", "b", "span" };//要保留的 tag
// <(?!((/?\s?li)|(/?\s?ul)|(/?\s?a)|(/?\s?img)|(/?\s?br)|(/?\s?span)|(/?\s?b)))[^>]+>
string regStr = string.Format(@"<(?!((/?\s?{0})))[^>]+>", string.Join(@")|(/?\s?", holdTags));
Regex reg = new Regex(regStr, RegexOptions.Compiled | RegexOptions.Multiline | RegexOptions.IgnoreCase);

return reg.Replace(ctx, "");
}

修正:
上面的正則,如果保留了 li , 實際運行會發現 link 也給保留下來了, 保留 a 會把 addr 也給保留下來, 解決辦法就是加 \b 斷言. 複製代碼 代碼如下:<(?!((/?\s?li\b)|(/?\s?ul)|(/?\s?a\b)|(/?\s?img\b)|(/?\s?br\b)|(/?\s?span\b)|(/?\s?b\b)))[^>]+>

private static string RemoveSpecifyHtml(string ctx) {
string[] holdTags = { "a", "img", "br", "strong", "b", "span", "li" };//保留的 tag
// <(?!((/?\s?li\b)|(/?\s?ul\b)|(/?\s?a\b)|(/?\s?img\b)|(/?\s?br\b)|(/?\s?span\b)|(/?\s?b\b)))[^>]+>
string regStr = string.Format(@"<(?!((/?\s?{0})))[^>]+>", string.Join(@"\b)|(/?\s?", holdTags));
Regex reg = new Regex(regStr, RegexOptions.Compiled | RegexOptions.Multiline | RegexOptions.IgnoreCase);

return reg.Replace(ctx, "");
}