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，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。

 

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;}