【发布时间】:2010-10-20 20:30:06
【问题描述】:
使用以下文本作为示例,我需要能够提取 LI 标记之间的文本。请注意,第一个 LI 是故意格式错误的,因为可能是这种情况。换句话说,我想要从 LI 标记到关闭 LI 标记或下一个 LI 开始标记的所有内容。
<UL>
<LI class="test">This is the first ListItem Text.
<LI>This is the second ListItem Test. </LI></UL>
到目前为止,我想出了:
<[Ll][Ii].*>(.*?)((?:<[Ll][Ii]>)|(?:</[Ll][Ii]>))
但这似乎与第一个 LI 标记匹配,直到结束标记与作为第二个 LI 标记文本的组匹配。我设法让它返回第一组,但从来没有两个。我也在使用“点匹配换行符”选项,这是我需要它工作的 .NET。谢谢!
更新
在发布这个问题之前我已经做了一些研究,并且确实看到并理解使用正则表达式来解析 html 是一个坏主意。话虽如此,我只需要能够从这里和那里的几个 LI 标签中获取文本,以确定要在 powerpoint 幻灯片上标出哪些文本。我认为可能有一种更简单的方法来做到这一点,而不是处理一个单独的库,尤其是当使用第三方库很难处理我工作的地方时。不幸的是,当在允许您对文本进行项目符号化的页面上使用 html 富文本输入框时,在某些情况下,HTML 似乎最终会出现格式错误。感谢所有反对 REGEX 用于解析 HTML 的建议。我应该事先说明我已经阅读了很多类似的建议,但正在寻找针对一组简单情况的快速解决方法。
【问题讨论】: