Question

所以，请说我正在解析以下HTML字符串：

<html>
    <head>
        RANDOM JAVASCRIPT AND CSS AHHHHHH!!!!!!!!
    </head>
    <body>
        <table class="table">
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
        </table>
    <body>
</html>

我想隔离 ** 的内容（表类中的所有内容）

现在，我使用正则表达式完成此任务：

string pagesource = (method that extracts the html source and stores it into a string);
string[] splitSource = Regex.Split(pagesource, "<table class=/"member/">;
string memberList = Regex.Split(splitSource[1], "</table>");
//the list of table members will be in memberList[0];
//method to extract links from the table
ExtractLinks(memberList[0]);

我一直在寻找其他方法来进行这种提取，我在C＃中遇到了Match对象。

我试图做这样的事情：

Match match = Regex.Match(pageSource, "<table class=\"members\">(.|\n)*?</table>");

上述目的是希望提取两个分隔符之间的匹配值，但是，当我尝试运行它时，匹配值为：

match.value = </table>

我的问题是，有没有办法从我的字符串中提取数据，这比我使用正则表达式的方法更容易/更易读/更短？对于这个简单的例子，正则表达式很好，但是对于更复杂的例子，我发现自己的编码相当于屏幕上的涂鸦。

我真的很想使用匹配，因为它看起来像一个非常整洁的课程，但我似乎无法让它满足我的需求。任何人都可以帮我这个吗？

非常感谢！

Answer 1

使用HTML解析器，例如HTML Agility Pack。

var doc = new HtmlDocument();

using (var wc = new WebClient())
using (var stream = wc.OpenRead(url))
{
    doc.Load(stream);
}

var table = doc.DocumentElement.Element("html").Element("body").Element("table");
string tableHtml = table.OuterHtml;

Answer 2

您可以将XPath与HTmlAgilityPack一起使用：

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(s);
var elements = doc.DocumentNode.SelectNodes("//table[@class='table']");

foreach (var ele in elements)
{
    MessageBox.Show(ele.OuterHtml);
}

Answer 3

您在正则表达式中添加了括号以捕获匹配项：

Match match = Regex.Match(pageSource, "<table class=\"members\">(.|\n*?)</table>");

无论如何，似乎只有Chuck Norris能正确解析HTML与正则表达式。

使用C＃中的匹配提取两个字符串分隔符之间的字符串内容

3 个答案: