保留P、BR、UL、OL格式的情况下将HTML转换为纯文本？

Question

在将HTML文本导出到Excel表格时，我试图保留基本格式，例如HTML换行符（<br>，<p>），列表（<ol>，<ul>）等。 < p > 示例输入：

<p>This is a test.</p>
<p>This is another<br>test.</p>

<ul>
    <li>10</li>
    <li>20</li>
    <li>30</li>
</ul>

<p>End.</p>

示例输出：

This is a test.

This is another
test.

- 10
- 20
- 30

End.

著名的NirSoft开发者提供的免费实用工具HTMLAsText似乎正是我需要的，但不幸的是它没有源代码：

即使在Stack Overflow上检查了大约20个类似的问题并浏览了数小时的Google后，我能找到的最接近的东西是this Code Project article。

因此，我的问题是：

是否有人知道一个可以将HTML转换为纯文本并保留基本格式的类/库？

更新2013-05-10

我最终使用了一个函数，请在Pastebin上查看完整代码。

- Uwe Keim

Answer 1

您尝试过使用这个吗？只需将“允许的标签”设置为您想要的标签即可。

- Paul

---

谢谢，@Paul。实际上，我不想允许任何HTML标签，而是希望将所有HTML标签删除并用相应的纯文本替换好的标签。我正在更新我的问题。 - Uwe Keim

加1，我最终在这个页面上寻找到了它，消毒剂正是我所需要的。 - MvcCmsJon

Answer 2

您能否通过替换以下内容来完成此操作：

<br /> with Environment.NewLine
</p> with Environment.NewLine + Environment.NewLine
<li> with " - ".

然后只需使用正则表达式去除其余的HTML？这似乎可以实现你想要的示例输出。当然，有人可能会有比这更优雅的解决方案。=)

- Jon

---

谢谢，@Jon，我现在正在做类似的事情！ - Uwe Keim