Удаление всех HTML-тегов с помощью Html Agility Pack
У меня есть строка HTML, как это:
<html><body><p>foo <a href='http://www.example.com'>bar</a> baz</p></body></html>
Я хочу удалить все HTML-теги, чтобы полученная строка стала:
foo bar baz
Из другого поста здесь, в SO, я придумал эту функцию (которая использует Html Agility Pack):
Public Shared Function stripTags(ByVal html As String) As String
Dim plain As String = String.Empty
Dim htmldoc As New HtmlAgilityPack.HtmlDocument
htmldoc.LoadHtml(html)
Dim invalidNodes As HtmlAgilityPack.HtmlNodeCollection = htmldoc.DocumentNode.SelectNodes("//html|//body|//p|//a")
If Not htmldoc Is Nothing Then
For Each node In invalidNodes
node.ParentNode.RemoveChild(node, True)
Next
End If
Return htmldoc.DocumentNode.WriteContentTo
End Function
К сожалению, это не возвращает того, что я ожидаю, а дает:
bazbarfoo
Пожалуйста, где я могу ошибиться - и это лучший подход?
С уважением и счастливого кодирования!
ОБНОВЛЕНИЕ: ответом ниже я придумал эту функцию, может быть полезным для других:
Public Shared Function stripTags(ByVal html As String) As String
Dim htmldoc As New HtmlAgilityPack.HtmlDocument
htmldoc.LoadHtml(html.Replace("</p>", "</p>" & New String(Environment.NewLine, 2)).Replace("<br/>", Environment.NewLine))
Return htmldoc.DocumentNode.InnerText
End Function