使用正则表达式修剪html
一直试图解决这个问题。
我需要一个正则表达式去除下面示例中演示的html标记之间的换行符，制表符和空格：
资源：
Some title 通缉结果：
Some title
在“一些标题”之前修剪空白是可选的。 我会感激任何帮助
s/\s*(<[^>]+>)\s*/\1/gs
或者，在c＃中：
Regex.Replace(html, "\s*(<[^>]+>)\s*", "$1", RegexOptions.SingleLine);
如果HTML是严格的，请使用XML阅读器加载它并将其写回而不进行格式化。 这将保留标签内的空白，但不保留它们之间的空白。
\ d仅与Perl 5.8和5.10中的[0-9]不匹配; 它匹配具有digit属性的任何UNICODE字符（包括“\ x {1815}”和“\ x {FF15}”）。 如果你的意思是[0-9]，你必须使用[0-9]或使用字节编译指示（但它会以1个字节的字符转换所有字符串，通常不是你想要的）。
正则表达式在解析HTML方面基本上是不好的（参见你能提供一些为什么难以用正则表达式解析XML和HTML的例子吗？ ）。 你需要的是一个HTML解析器。 请参阅您是否提供了使用您喜欢的解析器解析HTML的示例？ 例如，使用各种解析器。
您可能会发现HTMLAgilityPack答案很有帮助。
s/>\s+
这将删除标记之间的空格以及标记和文本之间的空格。
s/(\s*(<))|((>)\s*)/\2\4/g
Regex.Replace(input, "<[^>]*>", String.Empty);
试试这个：
s/[^\w\/\d<>]+/gs
使用XSLT的解决方案如下所示：
您可以选择要使用的模板。 当内容存在时，第一个删除所有空格，第二个仅在只有空格或换行符时删除。
我想保留新的行，因为删除换行符会弄乱我的HTML。 所以我选择以下内容。 。
private static string ProcessHTMLFile(string input) { string opt = Regex.Replace(input, @"( )*", "", RegexOptions.Singleline); opt = Regex.Replace(opt, @"[\t]*", "", RegexOptions.Singleline); return opt; }