如何在不修改SQL数据库的情况下移除取出数据中的HTML标签？

针对ASP.NET开发中数据库内容带HTML标签导致的布局问题，以下是几种无需修改数据库的处理方案：

方法1：正则表达式快速移除标签（适合简单场景） #

如果只需要移除特定标签（如示例中的<div>）或所有HTML标签，可通过正则表达式实现：

public static string CleanHtmlTags(string input, string targetTag = null)
{
    if (string.IsNullOrWhiteSpace(input)) return input;

    if (!string.IsNullOrWhiteSpace(targetTag))
    {
        // 移除指定标签（含属性），保留标签内文本
        var pattern = $@"<{targetTag}\b[^>]*>(.*?)</{targetTag}>|<{targetTag}\b[^>]*>/";
        return Regex.Replace(input, pattern, "$1", RegexOptions.IgnoreCase | RegexOptions.Singleline);
    }
    else
    {
        // 移除所有HTML标签
        return Regex.Replace(input, "<.*?>", string.Empty, RegexOptions.IgnoreCase | RegexOptions.Singleline);
    }
}

用法示例 #

// 从数据库取出原始内容
var rawContent = noticeData.NoticeContent;
// 移除所有div标签
var cleanedContent = CleanHtmlTags(rawContent, "div");
// 若要移除所有标签：CleanHtmlTags(rawContent);

注意：正则对复杂嵌套HTML的处理可能存在疏漏，仅推荐用于结构简单的内容。

方法2：HtmlAgilityPack处理复杂HTML（推荐） #

对于嵌套复杂、带多样属性的HTML内容，使用专门的HTML解析库HtmlAgilityPack更可靠。

1. 安装库：在Visual Studio中右键项目 → 管理NuGet程序包 → 搜索并安装HtmlAgilityPack。

2. 编写清理方法：

using HtmlAgilityPack;

public static string ProcessHtmlContent(string input, string targetTag = null)
{
    if (string.IsNullOrWhiteSpace(input)) return input;

    var doc = new HtmlDocument();
    doc.LoadHtml(input);

    if (!string.IsNullOrWhiteSpace(targetTag))
    {
        // 移除指定标签，保留内部内容
        var nodes = doc.DocumentNode.SelectNodes($"//{targetTag}");
        if (nodes != null)
        {
            foreach (var node in nodes)
            {
                node.ParentNode.ReplaceChild(HtmlNode.CreateNode(node.InnerHtml), node);
            }
        }
    }
    else
    {
        // 提取纯文本（移除所有标签）
        return doc.DocumentNode.InnerText.Trim();
    }

    return doc.DocumentNode.InnerHtml;
}

用法示例 #

var cleanedContent = ProcessHtmlContent(rawContent, "div");

方法3：Razor视图中直接处理 #

如果使用Razor视图，可直接在视图层完成清理，避免后端额外处理：

@{
    var rawContent = Model.NoticeContent;
    // 移除div标签
    var cleanedContent = Regex.Replace(rawContent, @"<div\b[^>]*>(.*?)</div>|<div\b[^>]*>/", "$1", RegexOptions.IgnoreCase | RegexOptions.Singleline);
}

<a href='Notices-Singular?rule=@Model.NoticeID'>
    <h3>@Model.NoticeTitle</h3>
    <i>@Model.NoticeDate</i>
    <p>@Html.Raw(cleanedContent)</p>
</a>

提示：若需防范XSS风险，可先对内容进行编码（HttpUtility.HtmlEncode），再根据需求决定是否使用Html.Raw输出。

内容的提问来源于stack exchange，提问作者nardrin