C#正则表达式解析HTML [重复]答案

【问题标题】：C# Regex parsing HTML [duplicate]C#正则表达式解析HTML [重复]
【发布时间】：2011-01-23 06:55:24
【问题描述】：

我的价值 1

我需要“我的价值 1”，请帮助我。 C#语言

【问题讨论】：

标签是否总是相同的格式（例如 3 层深，一个 tr、一个 td 和一个字体）
你用什么语言来解析这个？

【解决方案1】：

试试：

/<tr>\s*<td>\s*<font.*?>(.*?)<\/font>\s*<\/td>\s*<\/tr>/i

在 PHP 中使用：

<?php

if(preg_match('/<tr>\s*<td>\s*<font.*?>(.*?)<\/font>\s*<\/td>\s*<\/tr>/i',
              '<tr><TD><FONT size="2">My Value 1</FONT></TD></tr>',$matches))
        echo $matches[1]; // prints My Value 1
?>

【讨论】：

@codaddict 我需要 c# 语言 :-)

【解决方案2】：

function stripTags(markup){
  return markup.replace(/\s*<[^>]*?>\s*/gim,'');
}

假设您真正想要的只是上面“我的价值 1”表示的内部文本。

【讨论】：

【解决方案3】：

您无法使用正则表达式正确解析 HTML，因为正则表达式无法处理 HTML 允许的嵌套。要正确地做到这一点。对于您显示的那一行，您可以使用正则表达式，但您不能指望该行保持相同，因此通常必须使用 SAX/DOM 来完成任务。

【讨论】：

但是您可以使用正则表达式解析恰好是 HTML 的固定字符串。虽然这样做有很多问题，但它们是 OP 可能没有的问题。
@Tom - 同意。但是，尽管 OP 今天没有它们，但他可能明天就不会想知道发生了什么，希望如此。

【解决方案4】：

由于 HTML 代码非常“不可预测”，我建议使用 HTML 解析工具包。您使用哪种编程语言？在 .NET 中，我使用 HTML Agility Pack 取得了巨大成功。在 Java 中，HTML Parser 可能很方便（尽管我还没有使用它）。

【讨论】：

【解决方案5】：

如果您使用的是 PHP，请在 </FONT> 上拆分

$string='<tr><TD><FONT size="2">My Value 1</FONT></TD></tr>';
$s = explode('</FONT>',$string);
foreach ($s as $v){
     if ( strpos($v,"<FONT") !==FALSE) {
        $t = explode(">",$v);
        print end($t)."\n";
    }

}

输出

$ php test.php
My Value 1

【讨论】：

【解决方案6】：

在 perl 中我会使用

my $string='<tr><TD><FONT size="2">My Value 1</FONT></TD></tr>';
$string =~ m/(<.*?>)*([^<]*)(<.*?>)*/;
print $2;

得到想要的结果。最后一部分不是绝对必要的，

(<.*?>)*([^<]*)

也可以

【讨论】：

【解决方案7】：

如果你想获取标签内的内容，我认为下面的正则表达式就足够了：

^<.*>([^<>]+)<.*>$

只有在标签之间确实有任何数据时才会起作用，否则它将给出不匹配。

【讨论】：

我只需要值“我的价值 1”

【解决方案8】：

我认为使用正则表达式解析 HTML 不是一个明智的想法，正如 spa 所强调的那样。以前对类似问题的经典答案是RegEx match open tags except XHTML self-contained tags

【讨论】：

【解决方案9】：

c#语言

 string input = "<tr><TD><FONT size=\"2\">My Value 1</FONT></TD></tr>";
 string pattern = @"<[^>]*?>";
 string output = Regex.Replace(input, pattern, ""); //My Value 1

只是为了删除所有的html标签。

【讨论】：