Remover Tags HTML do texto em C#

Quinta-feira, 03 de Maio de 2007. 11:38:37
Programação, .Net |

Hoje vou documentar a solução para um problema simples, mas que está pouco documentado na web. Um determinado projeto da empresa precisava exibir conteúdos texto que continham formatação HTML. até aí tudo bem, usamos o componente FreeTextBox e o problema foi resolvido. O problema de verdade começou quando pintou a necessidade de remover a formatação e exibir apenas texto puro (em buscas, exibir trechos, etc). Em textos sem formatação bastava pegar x caracteres (ou palavras) antes e depois da palavra pesquisada, porém este mesmo procedimento não se aplica quando se tem as tags htmls. Para evitar ter que reescrecer uma função que já funcionava, a solução foi eliminar todas as tags antes de fazer a busca.

Para isso usamos Expressões regulares. Segue abaixo o código:

// Declara uma variável que armazenará a expressão regular a ser comparada.
// RegexOptions.IgnoreCase indica que não será CaseSensitive
Regex strHtml=new Regex("< [^>]*>", RegexOptions.IgnoreCase);

// Cria uma coleção contendo todos os textos que bateram com a er
MatchCollection MatchList = strHtml.Matches(texto);

//Percorre a Coleção
for(int i=0;i
{
// Substitui cada tag por espaços
texto = texto.Replace(MatchList[i].ToString(),” “);
}

Espero ter ajudado.

[bl]livros sobre .net, livros sobre expressões regulares, livros sobre programação[/bl]