C# 移除 HTML 標簽但保留換行樣式：基於 Regex 的精準過濾方案

需求場景

將富文本 HTML 字符串「去標簽化」為純文本，但保留 <br> 換行標簽（或轉換為環境換行符），其他標簽（如 <div>、<b>、<style> 等）全部移除。

核心解決方案：Regex 替換回調

using System.Text.RegularExpressions;

public static string RemoveHtmlKeepBr(string html) {
    if (string.IsNullOrEmpty(html)) return html;

    // 匹配所有標簽： 或 
    // 回調中判斷：若為 br 標簽（不區分大小寫），保留 
；否則移除
    string result = Regex.Replace(html, @"</?([a-z\d]+)[^>]*>", m => {
        string tagName = m.Groups[1].Value.ToLower();
        return tagName == "br" ? "<br>" : "";
    }, RegexOptions.IgnoreCase);

    return result;
}

代碼解析

測試驗證

string input = "<div>a<br>b<b style='color:red'>c</b></div>";
string output = RemoveHtmlKeepBr(input);
Console.WriteLine(output); // 輸出: a<br>bc
// 若需在控制台顯示真正換行，可進一步 .Replace("<br>", Environment.NewLine)

進階擴展：保留多個允許標簽

private static readonly HashSet AllowedTags = new HashSet { "br", "p", "hr" };

public static string RemoveHtmlCustom(string html) {
    return Regex.Replace(html, @"</?([a-z\d]+)[^>]*>", m => {
        string tag = m.Groups[1].Value.ToLower();
        return AllowedTags.Contains(tag) ? m.Value : ""; // 保留原標簽完整寫法
    }, RegexOptions.IgnoreCase);
}

注意事項與局限

• 非標準 HTML：正則難以完美處理屬性值含 >、註釋 <!-- -->、CDATA、腳本/樣式內容等邊界情況。
• 安全性：若輸入來自不可信源，單純去標簽無法防止 XSS，需使用成熟庫（如 HtmlSanitizer）做白名單清洗。
• 性能：大文本頻繁調用建議預編譯 Regex 實例（static readonly Regex）。
• 實體編碼：輸出可能殘留 <、  等實體，視需求配合 HttpUtility.HtmlDecode 解碼。