ASP.Net使用C#导出MySql含HTML内容到Excel时去除多余HTML标签的方法

环境与前置条件 #

• 数据库：MySQL 8.0.17，无管理员权限，仅能读取表数据，无法修改表结构或已存储的HTML内容
• 表字段contents存储的HTML示例：

<p><h3><span style=color:#0000ff;><strong>test</strong></span></h3></p>
<h4><strong>- test1</strong></h4>
<h4><strong>- test2</strong></h4>

• 异常现象：导出的xls文件中，所有HTML标签被原样展示在单元格内，未解析为格式化文本。

现有实现代码 #

private void MTxlssp()
{
    MySqlCommand cmd = new MySqlCommand("SP");
    DataTable dt = GetData(cmd);
    GridView GridView1 = new GridView
    {
        AllowPaging = false,
        DataSource = dt
    };

    GridView1.DataBind();
    Thread.Sleep(3000);
    Response.Clear();
    Response.Buffer = true;
    Response.AddHeader("content-disposition", "attachment;filename=\"test.xls\"");
    Response.ContentEncoding = Encoding.UTF8;
    Response.Charset = "";
    Response.ContentType = "application/vnd.ms-excel";

    HttpCookie cookie2 = new HttpCookie("ExcelDownloadFlag")
    {
        Value = "Flag",
        Expires = DateTime.Now.AddDays(1)
    };
    Response.AppendCookie(cookie2);

    using (StringWriter sw = new StringWriter())
    {
        HtmlTextWriter hw = new HtmlTextWriter(sw);
        GridView1.HeaderRow.BackColor = Color.White;

        foreach (TableCell cell in GridView1.HeaderRow.Cells)
        {
            cell.BackColor = GridView1.HeaderStyle.BackColor;
        }
        foreach (GridViewRow row in GridView1.Rows)
        {
            row.BackColor = Color.White;
            foreach (TableCell cell in row.Cells)
            {
                if (row.RowIndex % 2 == 0)
                {
                    cell.BackColor = GridView1.AlternatingRowStyle.BackColor;
                }
                else
                {
                    cell.BackColor = GridView1.RowStyle.BackColor;
                }
                cell.CssClass = "textmode";
            }
        }

        GridView1.RenderControl(hw);
        string style = @"<style> .textmode { } </style>";
        Response.Write(style);
        Response.Output.Write(sw.ToString());
        Response.Flush();
        Response.End();
    }
}

问题根因 #

当前实现是将GridView渲染后的HTML字符串直接输出为xls格式，Excel不会主动解析单元格内的HTML标签，只会将单元格内容作为纯文本展示，因此所有<p>、<h3>、<strong>等标签会被原样输出。

解决方案 #

场景1：仅需去除HTML标签，保留纯文本内容 #

如果不需要保留HTML自带的加粗、颜色、标题层级等样式，仅需提取文本内容，可在读取DataTable后对contents列做预处理，剥离所有HTML标签。

实现代码：

// 读取DataTable后，对contents列做预处理
if (dt.Columns.Contains("contents"))
{
    foreach (DataRow row in dt.Rows)
    {
        if (row["contents"] != DBNull.Value)
        {
            string htmlContent = row["contents"].ToString();
            // 匹配并移除所有HTML标签
            string plainText = Regex.Replace(htmlContent, "<[^>]+>", "");
            // 解码HTML实体（如&nbsp;、&lt;等）
            plainText = System.Net.WebUtility.HtmlDecode(plainText);
            // 合并多余换行，优化文本格式
            plainText = Regex.Replace(plainText, @"(\r?\n){2,}", "\r\n").Trim();
            row["contents"] = plainText;
        }
    }
}

• 若HTML格式复杂（如嵌套标签、特殊字符多），建议引入HtmlAgilityPack库替代正则做文本提取，避免解析错误。
  添加上述代码后，保留原有导出逻辑即可正常导出纯文本内容。

场景2：需要保留HTML中的样式（加粗、颜色、换行等） #

当前HTML伪装xls的方式无法实现样式保留，需改用正规的Excel操作库（推荐NPOI，无需依赖Office环境，兼容旧版xls/xlsx格式），手动解析HTML内容并映射为Excel的单元格样式。

实现步骤：

1. 通过Nuget安装NPOI、HtmlAgilityPack（用于复杂HTML解析）包。
2. 替换原有GridView渲染导出的逻辑，核心代码示例：

private void MTxlssp()
{
    MySqlCommand cmd = new MySqlCommand("SP");
    DataTable dt = GetData(cmd);

    // 此处可扩展HtmlAgilityPack解析逻辑，将HTML标签映射为Excel样式
    // 例如：<strong>标签映射为单元格加粗样式，<span style="color:#0000ff">映射为蓝色字体

    // 初始化Excel工作簿
    IWorkbook workbook = new HSSFWorkbook();
    ISheet sheet = workbook.CreateSheet("导出数据");

    // 生成表头
    IRow headerRow = sheet.CreateRow(0);
    for (int colIndex = 0; colIndex < dt.Columns.Count; colIndex++)
    {
        headerRow.CreateCell(colIndex).SetCellValue(dt.Columns[colIndex].ColumnName);
    }

    // 填充数据行
    for (int rowIndex = 0; rowIndex < dt.Rows.Count; rowIndex++)
    {
        IRow dataRow = sheet.CreateRow(rowIndex + 1);
        for (int colIndex = 0; colIndex < dt.Columns.Count; colIndex++)
        {
            // 对contents列解析后赋值，若需要应用样式可自定义ICellStyle
            dataRow.CreateCell(colIndex).SetCellValue(dt.Rows[rowIndex][colIndex]?.ToString() ?? "");
        }
    }

    // 输出文件到响应流
    Response.Clear();
    Response.Buffer = true;
    Response.AddHeader("content-disposition", "attachment;filename=\"test.xls\"");
    Response.ContentType = "application/vnd.ms-excel";
    using (MemoryStream ms = new MemoryStream())
    {
        workbook.Write(ms);
        ms.WriteTo(Response.OutputStream);
    }
    Response.End();
}

额外优化建议 #

• 原代码中的Thread.Sleep(3000)无实际业务作用，会延长页面响应时间，可直接删除。
• 原代码中定义的.textmodeCSS类为空，未实现任何格式化逻辑，相关赋值代码可直接删除。

内容的提问来源于stack exchange，提问作者Edward Sheriff Curtis