作者abcg5 (nothing)
看板C_Sharp
标题[问题] regex 网页标签!?
时间Sun Jan 18 16:25:37 2009
虽然问题这样打!~
不过自自己试过一些code
总是有部分的标签不能滤掉!
(还有<script><?...?>这类CGI程式的code)
所以我就上网去找!!~
找到网路上的一个方法!~
不过不知怎用
是使用document.body.innerText
不过把这行加到C#程式中 会说没有document这个东西!
可是我看很多程式都有用啊!!
这不是system.IO里面的指令吗!?
另外,大部分都是在javascript中看到这个code!
所以我也很怀疑这可不可以用到C#上
(网路上有写到可以)
只是他就只说用document.body.innerText可以滤掉所有标签
如果真的可以的话那就方便太多了!
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 140.116.245.199
※ 编辑: abcg5 来自: 140.116.245.199 (01/18 16:31)
1F：推 horngsh:那的确是javascript旳CODE...你是写ASP.NET吗? 01/18 17:03
2F：→ abcg5:我是用C#(第一次说XD) 不过我没用到ASP.NET(其实是不会用) 01/18 17:07
3F：→ abcg5:主要是我有几万页的webpages要作去tag的动作~ 01/18 17:11
4F：→ abcg5:但却没有一次可以全部种类tag去掉的方法... 01/18 17:11
5F：推 horngsh:写程式去TAG可行...用regex要一次去掉很难. 01/19 06:33
6F：推 Kelunyang:我提一个想法，你用XML的方式去读InnerTEXT呢？ 01/19 11:42
7F：推 tomex:Maybe you can try jQuery 01/19 13:35
8F：→ abcg5:先回楼楼上用XML的方式 不能处理<p> <br>这种情况 01/19 14:06
9F：→ abcg5:另外发现了mshtml 和 HTMLAgilityPack也能使用在PAERSE 01/19 14:49
10F：→ abcg5:第一个好像是ASP.NET 第二个是外加套件 01/19 14:53