Question

我想从以下html中获取此html中的第一个标记，仅在此div class="itemcategories"中提供，以及删除任何仅在使用正则表达式标记之后出现的标记的内容。我别无选择，只能使用正则表达式。

  <div class="itemcategories">
        Categories: 
      <a id="1234" class="category" rel="abc" href="#">ABC</a>,
      <a id="1234" class="category" rel="abc" href="#">DEF</a>,
      <a id="1234" class="category" rel="abc" href="#">XYZ</a>
 </div>

结果应如下所示

 <div class="itemcategories">
        Categories: 
      <a id="1234" class="category" rel="abc" href="#">ABC</a>         
 </div>

Answer 1

您不需要使用Regex。这是一种非常粗糙的方式，但它应该有效。

string html = "... html goes here";
string cleanedUpHtml = html.Substring(0, html.IndexOf("</a>") + 4) + "</div>";

Answer 2

string html = ...
string rem = Regex.Match(html, "<a .+?</a>(.+?)</div>", RegexOptions.Singleline).Result("$1");
html = html.Replace(rem, String.Empty);

Answer 3

尝试：

var str = "" ;// Your String goes Here.
var firstPos = str.indexOf("<a");
var lastPos = str.lastIndexOf("</a>");
var regex = new RegExp("\<a.*a\>");
var firstTag = str.match(regex);
var str1 = str.slice(0,firstPos);
var str2 = str.slice(lastPos);
str = str.replace(regex, "");
str = str1 + (firstTag.toString().split(",")[0]).toString() + str2;

Answer 4

如果你真的想要这个，正如你所看到的那样，在div中，每个元素都用逗号分隔，所以你可以尝试：

string result = Regex.Replace(your_html, ",.+</a>", "", RegexOptions.Singleline)

或者：

string result = Regex.Replace(html, "(!?,)<a .+a>(?=</div>)", "", RegexOptions.Singleline)

Answer 5

使用此正则表达式：

(<div.*?<a.*?</a>)(?:.*?</a>)*.*?(</div>)

它将返回2组。第一组将从第一行末尾的<div开始到</a>。第二组将包含结束</div>。只需连接这两个组就可以得到你需要的东西。

用于删除多个<a> tag in Html</a>的正则表达式

5 个答案: