C#中移除WYSIWYG生成HTML表格空行的方法（Regex/HtmlAgilityPack）

针对WYSIWYG编辑器生成的HTML表格存在空行的问题，下面提供两种可行的处理方案：

方法一：使用HtmlAgilityPack（推荐） #

HtmlAgilityPack是专门的HTML解析库，能可靠处理复杂HTML结构，避免正则表达式的局限性。

1. 首先安装NuGet包：

Install-Package HtmlAgilityPack

2. 实现代码：

using HtmlAgilityPack;

public string RemoveEmptyTableRows(string htmlContent)
{
    var htmlDoc = new HtmlDocument();
    htmlDoc.LoadHtml(htmlContent);

    // 获取所有表格行节点
    var tableRows = htmlDoc.DocumentNode.SelectNodes("//tr");
    if (tableRows == null) return htmlContent;

    // 遍历行节点（转为List避免修改集合时的遍历异常）
    foreach (var row in tableRows.ToList())
    {
        // 获取当前行的所有单元格（td/th）
        var cells = row.SelectNodes(".//td|.//th");
        if (cells == null)
        {
            row.Remove();
            continue;
        }

        // 检查所有单元格是否为空（去除首尾空白后无内容）
        bool isEmptyRow = cells.All(cell => string.IsNullOrWhiteSpace(cell.InnerText.Trim()));
        
        if (isEmptyRow)
        {
            row.Remove();
        }
    }

    return htmlDoc.DocumentNode.OuterHtml;
}

该方法会自动识别包含空标签、空格、换行符的"伪空行"，处理逻辑更严谨。

方法二：使用正则表达式（仅适用于简单场景） #

如果你的HTML表格结构非常规整（空行仅包含空白字符或空<td>/<th>），可以用正则快速处理：

using System.Text.RegularExpressions;

public string RemoveEmptyRowsWithRegex(string htmlContent)
{
    // 匹配空行：<tr>内仅含空白字符或空的单元格标签
    var emptyRowPattern = @"<tr\b[^>]*>\s*(<td\b[^>]*>\s*</td>|<th\b[^>]*>\s*</th>)*\s*</tr>";
    return Regex.Replace(htmlContent, emptyRowPattern, "", RegexOptions.IgnoreCase | RegexOptions.Multiline);
}

注意：正则无法处理嵌套标签（比如单元格内有<span></span>这类空元素）的情况，复杂HTML场景下容易出现误判或漏判。

内容的提问来源于stack exchange，提问作者HieroTran