正则表达式在标记之间多次出现文本

Question

我需要获取一个字符串，该字符串仅包含 之间的文本 一对已定义的标记以及包含 文本的字符串< / em> 标签。由于文字位于HTML <p> 标记内，因此＆lt; 和＆gt; 的解释类似于<和{{ 1}}（据我所知，这使得无法像HTML Agility Pack一样使用解析器）

所以输入字符串如下所示：

>

我现在正在使用以下代码，但它只获得第一次出现而不是第二次出现：

Text outside of tags
<internal>    First occurance of text inside of tags    </internal>
More text outside of tags
<internal>    Second occurance     </internal>

Answer 1

这个问题再次出现。

不要使用regualr表达式来识别标签。 正则表达式是无状态的，无法使用HTML或XML正确运行 。你需要使用Parser。

使用Agility pack fot HTML解析。

Answer 2

哦，代码实际上有效。它没有发现第二次出现的原因是在某些情况下，正在创建文档的编辑器和标签内部的文本标签，这使得正则表达式无法与之匹配。我把正则表达式改为：

Regex regex = new Regex(@"(<.*?internal.*?>(.*?)<.*?/.*?internal.*?>)", RegexOptions.Singleline);

非常感谢！

Answer 3

使用\<和\>代替<和>

像这样：

(\<internal\>(.*?)\</internal\>)