最稳方案是用 HtmlAgilityPack 解析 HTML 树：安装主包 HtmlAgilityPack，LoadHtml 加载后移除 script/style 节点，再取 InnerText 并用 WebUtility.HtmlDecode 解码，复用 HtmlDocument 实例提升性能。
用 HtmlAgilityPack 剥离标签最稳
直接上结论：别手写正则去删 <.*?>，HTML 结构嵌套、属性带换行、注释、CDATA 会让它漏删或误删。用 HtmlAgilityPack 是 C# 里最可靠的选择——它真把 HTML 当树来解析，不是当字符串来碰运气。
安装 NuGet 包：Install-Package HtmlAgilityPack。注意别装错成带 Lite 或 Core 后缀的变种，主包就叫 HtmlAgilityPack。
常见错误现象：Regex.Replace(html, @"<.*?>", "") 会吃掉 <script>alert("<div>")</script> 里的引号内容，或者把 <!-- <p>注释里有标签</p> --> 当成真实标签干掉。
- 用
HtmlDocument.LoadHtml()加载，不是Load()（后者读文件） - 调用
doc.DocumentNode.InnerText，不是InnerHtml或OuterText - 如果原文含
©等实体，InnerText默认不解码，得手动调HtmlEntity.DeEntitize(node.InnerText)
WebUtility.HtmlDecode 和解码顺序很重要
InnerText 拿到的是原始 HTML 实体编码文本，比如 “C# & .NET” 会变成 “C# & .NET”。很多人忘了这步，导出后全是 &。
立即学习“前端免费学习笔记（深入）”；
必须在取 InnerText 后立刻用 WebUtility.HtmlDecode()，不能反过来——先解码再解析会破坏结构（比如把 <div> 变成 <code><div>，导致解析器误认为是真实标签）。
- 顺序只能是：
LoadHtml → DocumentNode.InnerText → WebUtility.HtmlDecode() - 不要用
HttpUtility.HtmlDecode（.NET Framework 专属，.NET 5+ 推荐WebUtility） - 如果输入含 UTF-8 BOM 或编码声明（如
<meta charset="gb2312">），HtmlAgilityPack默认按 UTF-8 解析，可能乱码；需显式传入Encoding.GetEncoding("gb2312")到LoadHtml(string, Encoding)
遇到 script/style 标签内容不想留？得手动清空
InnerText 默认保留 <script> 和 <style> 里的文本，但多数场景下你并不想要 JS 代码或 CSS 规则转成的“纯文本”。这不是 bug，是设计如此——它们确实是 DOM 的文本子节点。
得在解析后、取 InnerText 前，先移除这些节点：
var doc = new HtmlDocument();
doc.LoadHtml(html);
foreach (var node in doc.DocumentNode.SelectNodes("//script|//style"))
node.Remove();
string text = WebUtility.HtmlDecode(doc.DocumentNode.InnerText);-
SelectNodes("//script|//style")是 XPath，不是 CSS 选择器，不支持script, style - 别用
RemoveAllChildren()——它只清内容，不删节点本身，InnerText还是会包含换行和空白 - 如果还要过滤注释，加
|//comment()到 XPath 里
性能差？别在循环里反复 new HtmlDocument
单次转换没问题，但如果你在日志处理、批量邮件解析等场景中每条 HTML 都 new 一个 HtmlDocument，GC 压力明显上升，实测比正则慢 3–5 倍——不是算法慢，是对象创建开销大。
真正瓶颈不在解析逻辑，而在初始化。解决办法只有一个：HtmlDocument 实例可复用。
- 把
new HtmlDocument()提到循环外，每次调用doc.LoadHtml(html)覆盖内容 - 不要缓存
DocumentNode，因为LoadHtml会重建整棵树 - 如果线程安全是刚需（比如 ASP.NET Core 中间件），就别复用，改用
HtmlDocument局部实例——并发下的内存节省远不如稳定性重要
复杂点在于：不同 HTML 编码可能不同，而 LoadHtml 不接受编码参数；所以复用前提是你能确保所有输入编码一致，或者自己先统一转成 UTF-8 字符串再喂给它。
