我下载了HtmlAgilityPack并创建了这个函数：

string StripHtml(string html)
{
    // create whitespace between html elements, so that words do not run together
    html = html.Replace(">","> ");
    // parse html
    var doc = new HtmlAgilityPack.HtmlDocument();   
    doc.LoadHtml(html);
    // strip html decoded text from html
    string text = HttpUtility.HtmlDecode(doc.DocumentNode.InnerText);   
    // replace all whitespace with a single space and remove leading and trailing whitespace
    return Regex.Replace(text, @"\s+", " ").Trim();
}

字符串

看看这个Strip HTML tags from a string using regular expressions

查看以下示例：

TextReader tr = new StreamReader(@"Filepath");
string str = tr.ReadToEnd();     
str= Regex.Replace(str,"<(.|\n)*?>", string.Empty);

字符串
但你需要有一个命名空间引用，即：

System.Text.RegularExpressions

型
只有把这个逻辑为您的网站

这是Jeff Atwood的Sanitize HTML method的RefactorMe代码链接

如果你只是为了索引而存储文本，那么你可能想做的不仅仅是删除HTML，比如忽略停止词和删除短于（比如）3个字符的单词。然而，我曾经写过一个简单的标签和剥离器是这样的：

public static string StripTags(string value)
    {
        if (value == null)
            return string.Empty;
        string pattern = @"&.{1,8};";
        value = Regex.Replace(value, pattern, " ");
        pattern = @"<(.|\n)*?>";
        return Regex.Replace(value, pattern, string.Empty);
    }

字符串
这是旧的，我相信它可以优化（也许使用编译的reg-ex？）。但它确实工作，可能会有所帮助。

您可以：

• 使用一个普通的旧TEXTAREA（样式为高度/宽度/字体/等），而不是TinyMCE。
• 使用TinyMCE的内置配置选项来剥离不需要的HTML。
• 在服务器上使用HtmlDecode（RegEx.Replace（mystring，“<[^>]+>"，“”））。

由于您可能在系统中有格式错误的HTML：BeautifulSoup或类似的可以使用。
它是用Python编写的;我不确定它如何接口-使用.NET语言IronPython？

您可以使用HTQL COM，并使用查询来查询源：&tx;

你可以用这个

string strwithouthtmltag;    
strwithouthtmltag = Regex.Replace(strWithHTMLTags, "<[^>]*>", string.Empty)

字符串