正则表达式读取 HTML 中的标签答案

【问题标题】：Regular expression to read tags in a HTML正则表达式读取 HTML 中的标签
【发布时间】：2015-01-13 02:47:40
【问题描述】：

<td width="100%"><h1>Chicago, IL Weather</h1></td>

我想获取标签 h1 中的文本。为此，我想在 C# 中使用正则表达式代码。谁能告诉我解决办法？

【问题讨论】：

为什么要使用正则表达式？
看看Parse HTML Links with C#。你不能使用图书馆吗？
使用 DOM 比使用正则表达式更好。请参阅我刚刚发布的回复的后半部分，以解释为什么使用正则表达式进行 HTML 解析不是一个好主意：stackoverflow.com/questions/6224792/…
@Ash Burlaczenko - 你觉得正则表达式有点吓人吗？没关系，你不会是第一个。
@Spudley - 你为什么不回答这个问题 - 哦等等，你有一个宗教口头禅。他们在世界各地的各个城市都设有演讲者角，以进行这种有偏见的演讲。

标签： c# asp.net regex

【解决方案1】：

    System.Text.RegularExpressions.Regex bodyRegex = new System.Text.RegularExpressions.Regex(@"(<h1[^>]*>[\u0000-\uFFFF]+?</h1>)");
System.Text.RegularExpressions.Match bodyMatch = bodyRegex.Match(line);
        if (bodyMatch.Success)
          {
           FileContent = bodyMatch.Result("$0");
           FileContent = (FileContent.Replace(@"<h1>", "")).Replace(@"</h1>", "");
}

通过这个可以找到第一个h1标签值

【讨论】：

你应该在它被否决之前删除这个答案。关于 StackOverflow 的共识意见是 You do not parse HTML with a regex
@Mike Pennington - stackoverflow 的共识是错误的。不要删除这个答案。它是迄今为止唯一一个甚至试图回答所提出的非常具体的问题。
@PP，你在争论一个有超过 4000 个赞的答案。
@Mike Pennington - 是的。有非常合理的时间和地点使用正则表达式。但我确实为自己考虑。另一方面，如果你只是一个总是随波逐流的人......
@PP，我使用正则表达式已有十多年了。我很熟悉它们的用法和限制

【解决方案2】：

试一试

String h1Regex = "<h1[^>]*?>(?<TagText>.*?)</h1>";

MatchCollection mc = Regex.Matches(Data, h1Regex, RegexOptions.Singleline);

foreach (Match m in mc) {
    Console.Writeline (m.Groups["TagText"].Value);
}

【讨论】：

【解决方案3】：

你为什么要使用正则表达式，我知道这是最快的方法，但它也有缺点： 1. 打乱了代码的可读性，

如果您的 html 文件发生更改，编写新的正则表达式对您来说会很痛苦，

除非你绝对必须，否则离开正则表达式并使用 Html 解析器（如上面提到的 HTMLAgilityPack）。

【讨论】：