我如何使用正则表达式将HTML解析为纯文本

Question

我如何使用正则表达式来解析以下内容：

<b>HelloWorld</b>
<p>This is a test</p>
<a href="myUrl">Google</a>

需要删除所有html标记，并从超链接标记中提取网址，结果应为：

HelloWorld
This is a test
myUrl

Answer 1

我知道这不是您期望的答案，但您不应该尝试使用正则表达式解析HTML。 HTML是通过正则表达式解析复杂的方法，有各种各样的东西可能出错。编写一个可靠地解析HTML的正则表达式非常困难，我甚至不确定它是否可行。

对.NET使用类似Beautiful Soup或HTML Agility Pack的内容。或者您可以使用解析器生成器创建自己的解析器。

Answer 2

您应该使用解析器。正则表达式不会这样做。你可能使用递归正则表达式模式，但我认为它们不受.NET正则表达式引擎的支持。