我正在尝试与一个非常糟糕的“网络服务”（巧妙地伪装成简单的 aspx 页面......）进行交互，但我不控制页面，所以我无法调整输出，所以我被卡住了用它。格式总是这样：
<b>
<a href=\"http://www.google.com/\" target=\"_blank\">Google Inc</a>
</b>
<br />123 North Main
<br />Hume, ACT
<br />(999) 888-8888
所以，我需要解析出URL、Name、Address、City、State 和 Phone？它不是真正正确形成的 XML，所以我不能使用 XML 解析器，而且 RegEx 看起来非常讨厌，所以我坚持使用 String.Match 和 IndexOf 等？
感谢您的建议... 詹姆斯
【问题讨论】：
标签： c# regex string xml-parsing
您可以使用HTML 解析器来解析页面，Html Agility Pack 是一个免费且强大的解析器。或者您可以为.Net 使用任何XQuery 处理器，请查看此thread 了解使用regex 解析html 页面的缺点
【讨论】：
假设 html 元素保持静态，则不需要正则表达式。我的解决方案是找到<b>, </b>, and <br /> 元素的索引，然后将子字符串从一个索引带到下一个索引。例如
int bStartIndex = html.IndexOf("<b>");
int bEndIndex = html.IndexOf("</b>)");
int urlSize = bEndIndex - bStartIndex - 3;
string url = html.Substring(bStartIndex + 3, urlSize);
是的，这种方法是一种粗略的 hack，但是，考虑到“非常糟糕的网络服务”的情况，我认为这是一个公平而直接的解决方案，尽管很乏味。
【讨论】：
嗯，过去我尝试了许多其他方法来使用框架方法来获取内部值。但是这种格式太定制了，所以我认为唯一的方法是循环响应中的每一行，并且只要你得到一个值，它就会有 url。每当您开始读取行中的
字符串时，它将是地址，接下来是城市状态，依此类推。
出于任何原因，对象的属性顺序以不同的顺序到达，那么代码将失败。
我建议您（如果可能的话）至少从服务返回一个易于反序列化的 JSON 格式。在其他情况下，您应该构建自己的反序列化器来获取所需的数据。
【讨论】：
您可以像这样使用 Regex.Replace（如果格式始终完全相同）：
string crappyXML =
"<b>
<a href=\"http://www.google.com/\" target=\"_blank\">Google Inc</a>
</b>
<br />123 North Main
<br />Hume, ACT
<br />(999) 888-8888";
string betterXML = Regex.Replace(crappyXML, "</b><br />", "</b><br>");
（如果 之间有空格，您可能需要考虑该空格）
那么你的 betterXML 看起来像这样：
"<b>
<a href=\"http://www.google.com/\" target=\"_blank\">Google Inc</a>
</b>
<br>123 North Main
<br />Hume, ACT
<br />(999) 888-8888";
然后你可以做另一个正则表达式：
betterXML = Regex.Replace(betterXML, "<br />", "</br><br>");
这会让它看起来像这样：
"<b>
<a href=\"http://www.google.com/\" target=\"_blank\">Google Inc</a>
</b>
<br>123 North Main
</br><br>Hume, ACT
</br><br>(999) 888-8888";
那么就这样做吧：
betterXML += "</br>";
关闭最后一个标签。
再次，我的Regex.Replace 代码都没有占空白。您必须将其添加进去。
从那里，您应该能够使用 XML 解析器并循环获取数据。
希望对您有所帮助！有任何问题请告诉我。
【讨论】：