正则表达式从.NET中的HTML字符串捕获组答案

【问题标题】：Regex Capturing groups from HTML string in .NET正则表达式从.NET中的HTML字符串捕获组
【发布时间】：2015-08-20 16:46:35
【问题描述】：

希望从 html 中捕获 Header、Name 和 Val 等组

HTML 可能会有所不同，但通常是这样的

<div>
   <h5>Header 1</h5>
      <strong>Name1</strong>
          &nbsp;
          Value 1 <br>
      <strong>Name2</strong>
          &nbsp;
          Value 2 <br>
   <div>
   <h5>Header 2</h5>
      <strong>Name1</strong>
          &nbsp;
          Value 1 <br>
          Value 1 continued
      <strong>Name2</strong>
          &nbsp;
          Value 2 <br>
   <h5>Header 3</h5>
      <strong>Name1</strong>
          &nbsp;
          Value 1 <br>
          Value 1 continued
      <strong>Name2</strong>
          &nbsp;
          Value 2 <br>
   <br>
   </div>
</div>

这是我开始使用的，但这依赖于

string pattern = "((<h5>(?<Header>.*?)<\\/h5>)|(<strong>(?<Name>.*?)<\\/strong>)|(&nbsp;(?<Val>.*?)<br>))

【问题讨论】：

有much better tools 可用于此工作，请勿使用正则表达式。
Obligatory link on Regex and HTML.
我推荐阅读stackoverflow.com/a/1732454/1945631
我要强调这部分：HTML 可能会有所不同，但这就是它通常的样子。您对基于 HTML 解析器的解决方案感兴趣吗？我希望你应该这样做，因为有了解析器，你将能够安全地做两件事：提取文本并将实体转换为文字。
@LucasTrzesniewski CsQuery 看起来是一个很棒的工具。您能帮我如何选择上述组或包含更详细示例的链接吗？谢谢

标签： c# html .net regex grouping

【解决方案1】：

从输入中删除“br”标签的并发，瞧。 str.Replace("<br>","")等

【讨论】：

【解决方案2】：

我把模式改成

string pattern = "(((?<=<h5>)(?<Header>.*?)(?=<\\/h5>))|((?<=<strong>)(?<Name>.*?)(?=<\\/strong>))|((?<=<\\/strong>)(?<Val>.*?)((?=<h5>)|(?=<strong>)|(?=<\\/div>))))";

似乎工作正常。如果你有更清晰更好的答案，我会将你的答案设为正确答案。

【讨论】：

if you have a cleaner better answer 当然。使用 HtmlAgilityPack 而不是维护这个怪物字符串 :)
@Eser 请使用 HTMLAgilityPack 用代码编写答案。