Quitar Etiquetas Html - MENOS Las de Tabla

naruto_st · #1 (**permalink**) 01/05/2009, 17:03

Hola muchachos... tengo un gran problema que no puedo resolver.

Quiero quitar de un codigo fuente que tengo, todas las etiquetas HTML y que quede el texto unicamente. (hasta ahi todo bien) pero ademas que quede el texto tiene q quedar las etiquetas HTML de las tablas, es decir: <TABLE> </TABLE> <TR> </TR> <TD> </TD>

Por ejemplo, de este codigo:

Cita:

<html>
<head>
<title>Pagina Web</title>
<head>
<body>
<table>
<tr>
<td><b>Contenido Celda 1</b></td>
</tr>
</table>
</body>
</html>

Tiene que quedar Unicamente esto:

Cita:

Pagina Web
<table>
<tr>
<td>Contenido Celda 1</td>
</tr>
</table>

El codigo que tengo es este:

Cita:

Dim reg As New RegExp
reg.Pattern = "\<[^\>]+\>"
reg.Global = True

Rt2 = reg.Replace(RichTextBox1, "")

Pero el problema es que me quita Absolutamente todo lo HTML, y no se como dar exepcion a las etiquetas de las TABLAS

DESDE YA MUCHAS GRACIAS

. Y espero q se halla entendido

meula · #2 (**permalink**) 04/05/2009, 07:54

Buenas,
Yo creo que el problema es porque las etiquetas que estan dentro de <table> como por ejemplo <tr> dificilmente vas a poder descartarlas con una expresión regular. La solución fácil es leer el archivo linea a linea y aplicar la expresión regular que ya tienes, pero descartando todas las lineas que estan dentro de <table>...</table>

saludos