使用regex[关闭]从c#中的html内容中删除html标签

Question

想改进这个问题吗？通过编辑这篇文章添加细节并澄清问题。

我有一个大的html内容。因此，我必须从HTML内容中删除以下文本。

<span id="sso-container"><span class="username">{Inner text could be anything}</span></span>

在上面提到的代码段中，“｛内部文本可以是任何内容｝”表示可以是任何文本。

在整个HTML中，无论

<span id="sso-container"><span class="username">{Inner text could be anything}</span></span>

存在，它将被一些固定的文本替换。

谁能建议这个需求的正则表达式是什么？

Answer 1

var pattern = @"<span id=""sso-container""><span class=""username"">.*?</span></span>";
        var regex = new Regex(pattern);
        bool test = regex.IsMatch(@"<span id=""sso-container""><span class=""username"">dynamic</span></span>");

它的工作…

Answer 2

我真的建议您在RegEx上使用HTML敏捷包。

在您决定采用基于正则表达式的解决方案之前，请阅读此警告。您可以在此 SO 问题中找到基于正则表达式的答案。

HtmlDocument doc = new HtmlDocument;
doc.Load(htmlstring);
HtmlNode node = doc.DocumentNode.SelectSingleNode("//span"); 
//Here, you can also do something like (".//span[@id='sso-container' class='username')    
string value = node.InnerText; 
//this string will contain the value of span, i.e. <span>***value***</span>