C#：使用 IndexOf 和 LastIndexOf 从 HTML 代码中获取准确的子字符串

Question

我在 C# 中使用 GetResponseStream() 检索了一个 HTML 页面。我需要一个来自该页面的确切值（int），每次运行程序时都会有所不同。尽管如此，HTML代码的结构是一样的，特别是：

 (...) 
 <td colspan="2" class="txtnormal"><div align="right">&nbsp;TAX:</div></td>
 <td class="txtnormal"><div align="right"><strong>0.00</strong></div></td>
 <td colspan="2">&nbsp;</td> 
 (...) 

和

 (...) 
     <td colspan="2"><div align="right" class="txtnormal">Total:</div></td>
 <td class="txtnormal"><div align="right"><strong>10.00</strong></div></td>
 <td colspan="2">&nbsp;</td>
 (...)

请注意，代码在同一页面中重复（即：<td class="txtnormal"><div align="right"><strong>VALUE</strong></div></td>），但值的标题（TAX 和 Total）是唯一不同的东西（实际值可能相同）。

我想将 Total 值存储在一个变量中，即：10.0 在这种情况下。

我试过了：

int first = responseFromServer.IndexOf("<td class= \"txtnormal\"><div align=\"right\"><strong>") + "<td class=\"txtnormal\"><div align=\"right\"><strong>".Length;
int last = responseFromServer.LastIndexOf("</strong></div></td>");
string value = responseFromServer.Substring(first, last - first);

但是我得到了不好的结果，存储在 ALL 的 value 的 HTML 页面 直到 的值（是为了区别我´我在做）。

你知道我怎样才能得到确切的值，这是：我粘贴的文本之间的子字符串吗？

非常感谢。

Answer 1

要从页面中抓取，您有几个选择。 “最好的”是使用 DOM 找到有问题的节点并提取它的值。如果由于某种原因您不能使用 DOM，您可以使用正则表达式并以这种方式提取值。

在许多情况下，您的方法“没问题”，只要您可以确定站点所有者永远不会在下游的任何地方设置另一个 "</strong></div></td>" 实例。这是一个冒险的假设。

你得到的 int 字符串的值是多少？这将告诉您您的特定模式是否正常工作。我仍然会考虑 HTML DOM，因为它是一种更准确的遍历节点的方式。

Answer 2

我认为 Regex 是你的朋友：

using System;
using System.Text.RegularExpressions;

namespace SimpleApp
{
    class Program
    {
        static void Main(string[] args)
        {
            Regex theRegex = new Regex(@">Total:<.+?<strong>(.+?)</strong>");
            string str = @"<td colspan=""2""><div align=""right"" class=""txtnormal"">Total:</div></td>" +
                     @"<td class=""txtnormal""><div align=""right""><strong>10.00</strong></div></td>" +
                     @"<td colspan=""2"">&nbsp;</td>";
            if (theRegex.Match(str).Success)
            {
                Console.WriteLine("Found Total of " + theRegex.Match(str).Result("$1"));
            }
            else
            {
                Console.WriteLine("Not found");
            }
            Console.ReadLine();
        }
    }
}

很明显，您的 HTML 页面可能有其他内容可能会影响这个简单的正则表达式，但您明白了。