如何在保留制表符和其他有效纯文本布局的同时将 HTML 转换为纯文本

Question

WRT this solution，请问我们如何使其适应retain tabs和其他valid纯文本布局

参考方案：

 public static string StripHTML(string HTMLText, bool decode = true)
        {
            Regex reg = new Regex("<[^>]+>", RegexOptions.IgnoreCase);
            var stripped = reg.Replace(HTMLText, "");
            return decode ? HttpUtility.HtmlDecode(stripped) : stripped;
        }

Answer 1

我不确定你的意思，它确实保留制表符和换行符

void Main()
{
    var html = "<html>\n\t<body>\n\t\tBody text!\n\t</body>\n</html>";

    StripHTML(html).Dump(); //Prints "\n\t\n\t\tBody text!\n\t\n
}

public static string StripHTML(string HTMLText, bool decode = true)
{
  Regex reg = new Regex("<[^>]+>", RegexOptions.IgnoreCase);
  var stripped = reg.Replace(HTMLText, "");
    return decode ? HttpUtility.HtmlDecode(stripped) : stripped;
}

如何在保留制表符和其他有效纯文本布局的同时将 HTML 转换为纯文本

HOW TO Convert HTML to plain-text while retaining Tabs and other valid plain-text layout

.net

regex

html-to-text