Rimuovere tag HTML da una stringa

[daneel]

Come posso rimuovere con VB tutti i tag HTML presenti in una stringa?
Ho provato ad effettuare delle ricerche con le RegExp, ma andando ad estrarre le stringhe "<.*>" c'è il rischio che venga rimossa anche parte del testo.
Inoltre, devo sostituire tutti i simboli che in un documento XML non sarebbero validi (è, à, «, ...) con le relative entità carattere: esiste una funzione che lo faccia automaticamente?

[Kylnas]

Originariamente inviato da daneel
Come posso rimuovere con VB tutti i tag HTML presenti in una stringa?
Ho provato ad effettuare delle ricerche con le RegExp, ma andando ad estrarre le stringhe "<.*>" c'è il rischio che venga rimossa anche parte del testo.
Inoltre, devo sostituire tutti i simboli che in un documento XML non sarebbero validi (è, à, «, ...) con le relative entità carattere: esiste una funzione che lo faccia automaticamente?

Credo tu debba farlo a manina...

[ans]

La prima è banale

Function RemoveHtml(ByVal strHtml As String) As String
    Dim intPos As Long, intEnd As Long, strToRemove As String

    Do
        intPos = InStr(1, strHtml, "<")
        If intPos > 0 Then
            intEnd = InStr(intPos + 1, strHtml, ">")
            If intEnd > 0 Then
                strToRemove = Mid$(strHtml, intPos, intEnd - intPos + 1)
                strHtml = Replace(strHtml, strToRemove, vbNullString)
            Else
                Exit Do
            End If
        End If
    Loop Until intPos = 0

    RemoveHtml = strHtml
End Function

La seconda invece te la abbozzo e la completi aggiungendo la gestione di altri caratteri.

Function XMLFormatted(ByVal strXml As String, ByVal strItem As String) As String
    Dim intPos As Long, intEnd As Long, strTemp As String
    Dim strFirstTag As String, strEndTag As String

    intPos = InStr(1, strXml, "<" & strItem & ">") + CLng(Len(strItem) + 2)
    If intPos > 0 Then
        intEnd = InStr(intPos, strXml, "</" & strItem & ">")
        strFirstTag = Left$(strXml, intPos - 1)
        strEndTag = Right$(strXml, Len(strXml) - intEnd + 1)
        strTemp = Mid$(strXml, intPos, intEnd - intPos)
        strTemp = CharToXMLCode(strTemp)
        strTemp = strFirstTag & strTemp & strEndTag
    End If

    If Len(strTemp) > 0 Then XMLFormatted = strTemp
End Function

Function CharToXMLCode(ByVal strToConvert As String) As String
    strToConvert = Replace(strToConvert, "&", "&#38;")
    strToConvert = Replace(strToConvert, "<", "&#60;")
    strToConvert = Replace(strToConvert, ">", "&#62;")
    strToConvert = Replace(strToConvert, "'", "&#39;")
    strToConvert = Replace(strToConvert, """", "&#34;")

    CharToXMLCode = strToConvert
End Function

te le adatti come vuoi.

[daneel]

Originariamente inviato da ans
La prima è banale

Function RemoveHtml(ByVal strHtml As String) As String
...
End Function

La seconda invece te la abbozzo e la completi aggiungendo la gestione di altri caratteri.

Function CharToXMLCode(ByVal strToConvert As String) As String
...
End Function

te le adatti come vuoi.

Grazie mille, la prima funzione va bene. Nella seconda devo comunque sostituire uno ad uno i caratteri... può anche andare.
Grazie ancora.

[ans]

uaz sorry ma non ha funzionato il past nel forum... strano mi dispiace... il codice non è corretto...

strToConvert = Replace(strToConvert, "&", "&")
strToConvert = Replace(strToConvert, "<", "<")
strToConvert = Replace(strToConvert, ">", ">")
strToConvert = Replace(strToConvert, "'", "'")
strToConvert = Replace(strToConvert, """", """)


avevo postato per le replace i codici XML da utilizzare al posto dei caratteri che vedi, evidentemente sono stati convertiti in modo automatico e non li vedi... sorry ma ora non so come fare per farli visualizzare... mi sa se non ricordo male che dovrebbe essere & poi # poi ascii del carattere e poi ; .... prova un po'.

[daneel]

Originariamente inviato da ans
uaz sorry ma non ha funzionato il past nel forum... strano mi dispiace... il codice non è corretto...

strToConvert = Replace(strToConvert, "&", "&")
strToConvert = Replace(strToConvert, "<", "<")
strToConvert = Replace(strToConvert, ">", ">")
strToConvert = Replace(strToConvert, "'", "'")
strToConvert = Replace(strToConvert, """", """)


avevo postato per le replace i codici XML da utilizzare al posto dei caratteri che vedi, evidentemente sono stati convertiti in modo automatico e non li vedi... sorry ma ora non so come fare per farli visualizzare... mi sa se non ricordo male che dovrebbe essere & poi # poi ascii del carattere e poi ; .... prova un po'.

Non importa, ans, li avevo già sostituiti con le entità carattere: è evidente che, ad esempio, "<" deve essere sostituito con "&#38;#60;".