什麼是REGEX在C＃中的html文檔中匹配這種模式？

我真的無法弄清楚如何做到這一點，我可以做相當簡單的正則表達式，但更復雜的表達式真的讓我感到困惑。什麼是REGEX在C＃中的html文檔中匹配這種模式？

在特定HTML文檔中出現以下內容：

<span id="label"> 
<span> 
<a href="http://variableLink">Joe Bloggs</a> 
now using 
</span> 
<span> 
' 
<a href="/variableLink/">Important Data</a> 
' 
</span> 
<span> 
on 
<a href="/variableLink">Important data 2</a> 
</span> 
</span>

我需要提取兩個「重要數據」點，並可能花好幾個小時的工作了正則表達式來做到這一點（我使用的.NET。 C＃3.5中的正則表達式庫）

來源

2009-05-27 Matthew Rathbone

我幫不了你，我很害怕，但如果你需要在.NET正則表達式的幫助，儘量快報http://www.ultrapico.com/Expresso.htm它是免費的，真的很不錯的測試正則表達式。 – 2009-05-27 11:24:20

您必須使用regexp，還是可以使用HTML解析庫，如HTML Agility Pack（http://www.codeplex.com/htmlagilitypack）？ – 2009-05-27 11:25:43

我可以使用任何東西，不一定是正則表達式。 – 2009-05-27 11:37:42

正如通常所說的，正則表達式通常不是解析HTML，XML和朋友的正確工具 - 考慮使用HTML或XML解析庫。如果您確實想要或必須使用正則表達式，以下內容將與許多情況下的標籤內容相匹配，但在某些情況下可能仍會失敗。

<a href="[^"]*">(?<data>[^<]*)</a>

這個表達式匹配不開始http://各個環節 - 這是唯一的區別obviouse我可以鏈接之間看到。

<a href="(?!http://)[^"]*">(?<data>[^<]*)</a>

來源

2009-05-27 11:26:14

查找.NET的後視和前瞻語法，並使用它查找HTML中的錨定標記。 This site可能會幫助你。作爲正則表達式的替代方法，您可以考慮使用System.Xml.XPath.XPathNavigator來直接尋址這些節點。

來源

2009-05-27 11:31:07

我正則表達式是有點生疏，但沿着以下信息可能有助於線的東西（雖然它可能會需要一些微調）：

(?<=\<a href="/variableLink[/]?"\>)(.*)+(?=</a>)

來源

2009-05-27 11:33:34 Dave

<a\shref.*?"/variableLink/?">(.*)</a>

一組包含錨的名稱。經過Expresso測試。適用於您提供的示例文本。
更新：也適用於Snippy。

Regex regex = new Regex(@"<a\shref.*?""/variableLink/?"">(.*)</a>", RegexOptions.Multiline); 
foreach (Match everyMatch in regex.Matches(sText)) 
{ 
    Console.WriteLine("{0}", everyMatch.Groups[1]); 
}

輸出：下面

Important Data 
Important data 2

來源

2009-05-27 11:44:16 Gishu

使用HtmlAgilityPack。它在「標籤」ID內的第二或更後的鏈接中打印任何文本。當然，修改XPath執行一些不同的操作相對簡單。

HtmlDocument doc = new HtmlDocument(); 
    doc.Load(new StringReader(@"<span id=""label""> 
<span> 
<a href=""http://variableLink"">Joe Bloggs</a> 
now using 
</span> 
<span> 
' 
<a href=""/variableLink/"">Important Data</a> 
' 
</span> 
<span> 
on 
<a href=""/variableLink"">Important data 2</a> 
</span> 
</span> 
")); 
    HtmlNode root = doc.DocumentNode; 

    HtmlNodeCollection anchors; 
    anchors = root.SelectNodes("//span[@id='label']/span[position()>=2]/a/text()"); 
    IList<string> importantStrings; 
    if(anchors != null) 
    { 
     importantStrings = new List<string>(anchors.Count); 
     foreach(HtmlNode anchor in anchors) 
     importantStrings.Add(((HtmlTextNode)anchor).Text); 
    } 
    else 
     importantStrings = new List<string>(0); 

    foreach(string s in importantStrings) 
     Console.WriteLine(s);

來源

2009-05-27 11:51:11

什麼是REGEX在C＃中的html文檔中匹配這種模式？

回答

相關問題