문자열에서 xml 및 html을 제거하십시오.

Question

모든 HTML 및 XML을 제거해야하는 문자열이 있습니다. 저는 정규 표현식에별로 좋지 않습니다.

snippet = Regex.Replace(snippet, "<.*?>", ""); 

은 현재 내가 XML을 위해이 일을하고있다 : 매우 어수선한입니다

while (snippet.IndexOf("<xml>") != -1) 
      { 
       int startLoc = snippet.IndexOf("<xml>"); 
       int endLoc = snippet.IndexOf("</xml>"); 
       snippet = snippet.Remove(startLoc, (endLoc - startLoc) + 6); 
      } 
      while (snippet.IndexOf("<style>") != -1) 
      { 
       int startLoc = snippet.IndexOf("<style>"); 
       int endLoc = snippet.IndexOf("</style>"); 
       snippet = snippet.Remove(startLoc, (endLoc - startLoc) + 8); 
      } 
      // only required for chrome and IE 
      // removes - <object classid="clsid:38481807-CA0E-42D2-BF39-B33AF135CC4D" id="ieooui"> 
      while (snippet.IndexOf("<object") != -1) 
      { 
       int startLoc = snippet.IndexOf("<object"); 
       int endLoc = snippet.IndexOf("id=\"ieooui\">"); 
       snippet = snippet.Remove(startLoc, (endLoc - startLoc) + 12); 
      } 
      // removes - <object id="ieooui" classid="clsid:38481807-CA0E-42D2-BF39-B33AF135CC4D"> 
      while (snippet.IndexOf("<object") != -1) 
      { 
       int startLoc = snippet.IndexOf("<object"); 
       int endLoc = snippet.IndexOf("classid=\"clsid:38481807-CA0E-42D2-BF39-B33AF135CC4D\""); 
       snippet = snippet.Remove(startLoc, (endLoc - startLoc) + 52); 
      } 

HTML을 위해 나는 정말 유용한 코드를 발견했다.

<object id="ieooui" classid="clsid:38481807-CA0E-42D2-BF39-B33AF135CC4D"> 

및

<object classid="clsid:38481807-CA0E-42D2-BF39-B33AF135CC4D" id="ieooui"> 

감사 톤 : some1 특히위한뿐만 아니라 나에게 XML에 대한 정규 표현식을 제안 해주십시오 수 있습니다.

Answer 1

일반적으로 정규식을 사용하여 HTML을 구문 분석 할 수 없습니다. 글쎄, 기술적으로 당신은 할 수 있지만 당신이 말하는 것처럼 "깔끔한"것입니다. 이 작업은 일반적으로 SAX 파서를 사용하여 수행됩니다. 또는 HTML/XML 토크 나이저를 사용하지 않아도됩니다. 이 하나 http://www.codeproject.com/KB/recipes/HTML_XML_Scanner.aspx