Um HTML Entity é uma informação perfeitamente válida em um HTML e não há motivo para removê-lo.
O que você pode fazer é o decode dele, usando HttpUtility.HtmlDecode
(disponível no namespace System.Web
), ou WebUtility.HtmlDecode
(disponível no namespace System.Net
):
string texto = "<td>Para maiores informações consulte: + informações</td>";
Console.WriteLine(HttpUtility.HtmlDecode(texto));
Console.WriteLine(WebUtility.HtmlDecode(texto));
Ambos produzem o mesmo resultado:
<td>Para maiores informações consulte: + informações</td>
Mas se quiser remover os HTML Entities (e não substituí-los pelos caracteres equivalentes), então basta usar:
Console.WriteLine(Regex.Replace(texto, "&[^;]+;", string.Empty));
A regex contém o caractere &
no início e o ;
no final. Entre eles, há:
[^;]
: o [^
cria uma classe de caracteres negados, ou seja, este trecho representa qualquer caractere que não esteja dentro dos colchetes. Portanto, este trecho significa "qualquer caractere que não seja ;
"
- o quantificador
+
significa "uma ou mais ocorrências"
Portanto, a regex significa: o caractere &
, seguido de um ou mais caracteres que não sejam ;
, seguido de ;
. Com isso, todos os HTML Entities são eliminados. A saída é:
<td>Para maiores informações consulte: informações</td>
Apenas para explicar porque sua regex não funcionou.
[;\\/:*?\"<>|&']
: os colchetes definem uma classe de caracteres, que corresponde a qualquer caractere entre os colchetes. Portanto, esta regex significa "o caractere ;
, ou o caractere \
, ou o caractere /
, ou o :
etc...". O detalhe é que toda essa expressão corresponde a apenas um caractere (e este pode ser qualquer um dos que estão indicados).
Portanto, esta regex só elimina esses caracteres. No caso do HTML Entity, somente o &
e o ;
são eliminados, mas os números e o #
não.