标签：
可以写成这样
string strRegex = @"[\u4e00-\u9fa5]|[\（\）\《\》\——\；\，\。\“\”\<\>\！]";
其中前半部分表示匹配中文字符，后半部分为需要匹配的标点符号。
另，
对于html源码的处理，建议使用HtmlAgilityPack，用下面的代码去掉其中的脚本、样式或者注释内容。
public static HtmlDocument InitializeHtmlDoc(string htmlString) { if (string.IsNullOrEmpty(htmlString)) { return null; } HtmlDocument doc = new HtmlDocument(); doc.LoadHtml(htmlString); doc.DocumentNode.Descendants().Where(n => n.Name == "script" || n.Name == "style" || n.Name == "#comment").ToList().ForEach(n => n.Remove()); return doc; }
HtmlAgilityPack是使用XPath语法，"//comment()"在XPath中表示“所有注释节点”，“#comment”不好用的话需要替换。http://www.cnblogs.com/rupeng/archive/2012/02/07/2342012.html
从Url读取网页内容（静态），可以用下面的代码
public static string GetHtmlStr(string url) { if (string.IsNullOrEmpty(url)) { return string.Empty; } string html = string.Empty; try { WebRequest webRequest = WebRequest.Create(url); webRequest.Timeout = 30 * 1000; using (WebResponse webResponse = webRequest.GetResponse()) { if (((HttpWebResponse)webResponse).StatusCode == HttpStatusCode.OK) { Stream stream = webResponse.GetResponseStream(); string coder = ((HttpWebResponse)webResponse).CharacterSet; StreamReader reader = new StreamReader(stream, string.IsNullOrEmpty(coder) ? Encoding.Default : Encoding.GetEncoding(coder)); html = reader.ReadToEnd(); } } } catch (Exception ex) { //Request may timeout sometimes } return html; }
标签：
原文地址：http://www.cnblogs.com/urwlcm/p/4642454.html
