将 unicode 添加到字符串 html 标记模式

Question

当在 SSIS 中 运行 时，我正在使用下面的 C# 脚本从描述列中删除 HTML 标签。我试图将以下 unicode : 添加到下面的字符串 htmlTagPattern 中，但我无法让它工作。

如有任何帮助，我们将不胜感激。

public class ScriptMain : UserComponent
{
    public override void Input0_ProcessInputRow(Input0Buffer Row)
    {    
         Row.Message = RemoveHtml(Row.Message);
    }
   public String RemoveHtml(String message)
   {
       String htmlTagPattern = "<(.|\n)+?>";
        Regex objRegExp = new Regex(htmlTagPattern);
        message = objRegExp.Replace(message, String.Empty);
        return message;
    }
}

Answer 1

将HTML转为纯文本的方法有很多：

使用 HTMLAgilityPack 库

您可以从提供的示例中获取代码：

• HTMLAgilityPack HtmlConvert Samples

您可以从以下链接下载 HTMLAgilitypack：

• HTMLAgilityPack website
• HTMLAgilityPack on codeplex

使用System.Net

如果您使用的是 .Net framework 4 或更高版本，您可以受益于 System.Net 库，该库包含从 HTML:

获取纯文本的方法

System.Net.HttpUtility.HtmlDecode(Row.Column)

参考：

• HttpUtility.HtmlDecode Method

使用正则表达式

您可以点击以下链接之一了解更多详情：

• How can I strip HTML tags from a string in ASP.NET?
• C# Remove HTML tags
• How do you convert Html to plain text?