使用 vb.net 从字符串中删除所有 div 元素

Question

我想从我的字符串中删除所有元素，包括 class 等属性的元素。 我已经在这里检查了，所以REGEX显然不是答案： regex匹配开放的标签，除了XHTML独立的标签

我目前已经有一些正则替代字符串中的标签（请注意，我从不对完整的html文档进行解析，如果很重要的话）并保留了内容： Regex.Replace（s，“＆lt; [^＆gt;]*（＆gt; | $）”，string.empty）。但是，我只想删除 div 标签并保留内容。

因此，我有：

<div class=""fade-content""><div><span>some  content</span></div></div>
<div>some  content</div> 

所需的输出：

<span>some  content</span>
some  content

我要去Regex Path Stil，然后尝试类似：＆lt; div＆gt;。*＆lt; \ \/div＆gt; ，但这不包括属性。

如何使用vb.net仅删除 div 元素？

Answer 1

有几种方法可以做到这一点。第一个简短而简单，如下所示：

Regex.Replace(s, "</?div.*?>", String.Empty)

这是一个示例：

    's simulates your html file
    Dim s As String = "<div class="""" fade-content""""><div><span>some  content</span></div></div>" + Environment.NewLine + "<div>some  content</div>"

    'let's store the result in s1
    Dim s1 As String = Text.RegularExpressions.Regex.Replace(s, "</?div.*?>", String.Empty)

    'output
    MessageBox.Show(s1)

输出：

Answer 2

通过使用 WebBrowser 控件，无需正则表达式即可实现此目的。尝试以下操作：

ExtractDesiredData：

Private Function ExtractDesiredData(html As String) As List(Of String)
    Dim result As List(Of String) = New List(Of String)()

    'create new instance
    Using wb As WebBrowser = New WebBrowser()
        wb.Navigate(New Uri("about:blank"))

        'create reference
        Dim doc As HtmlDocument = wb.Document

        'add html to document
        doc.Write(html)

        'loop through body elements
        For Each elem As HtmlElement In doc.Body.All
            If elem.TagName = "DIV" AndAlso Not elem.InnerHtml.Contains("DIV") Then
                Debug.WriteLine($"DIV elem InnerHtml: '{elem.InnerHtml}'")

                'add
                result.Add(elem.InnerHtml)
            End If
        Next
    End Using

    Return result
End Function

用法：

Dim html As String = "<div class=""fade-content""><div><span>some  content</span></div></div>"
html &= vbCrLf & "<div>some  content</div>"

Dim desiredData As List(Of String) = ExtractDesiredData(html)

资源：

• 如何在 C# 中使网页浏览器控件变为空白？