正则表达式捕获HTML的第一个<p> </p>

Question

我有以下正则表达式：

(?:<(?<tag>\w*)>(?<text>.*)</\k<tag>>)

我希望它能抓住第一个HTML元素中的文本。

例如

<p>This should capture</p>This shouldn't

工作，但......

<p>This should capture</p><p>This shouldn't</p>

不起作用。正如您所期望的那样，它会返回：

This should capture</p><p>This shouldn't

我在这里绞尽脑汁。我怎样才能选择第一个内部文本？

（我正在尝试与标签无关，所以<strong>This should match</strong>同样适用，等等。）

Answer 1

您应该使用HTML Agility Pack。

例如：

doc.DocumentNode.Descendants("p").First().InnerText

Answer 2

停止。停下来。如果要解析HTML，请使用HTML解析器（如果您正在处理有效的XHTML，则使用XML）。有关详细信息，请参阅this answer。

Answer 3

为了有一个非贪婪的*选择，你应该添加一个？在*。

之后

(?:<(?<tag>\w*)>(?<text>.*?)</\k<tag>>)