Question

我有一个控制台应用程序，它通过WebRequest方法（http）解析HTML文档。问题实际上是从返回的html代码中提取数据。

以下是我感兴趣的html片段：

<span class="header">Number of People:</span>
<span class="peopleCount">1001</span>  <!-- this is the line we are interested in! -->
<span class="footer">As of June 2009.</span>

假设上面的html包含在名为“responseHtml”的字符串中。我想提取“人数统计”值，（第二行）。

我搜索了堆栈溢出流程，发现了一些可行的代码：

How do I extract text that lies between parentheses (round brackets)?

但是当我实现它时，它不起作用 - 我不认为它喜欢我将HTML标记放入正则表达式的方式：

        string responseHtml; // this is already filled with html code above ^^
        string insideBrackets = null;


        Regex regex = new Regex("\\<span class=\"peopleCount\">?<TextInsideBrackets>\\w+\\</span>");

        Match match = regex.Match(responseHtml);
        if (match.Success)
        {
            insideBrackets = match.Groups["TextInsideBrackets"].Value;
            Console.WriteLine(insideBrackets);
        }

上面的内容无法正常工作，是否与html跨度括号有关？我想要的只是特定范围的标签之间的文本值。

提前致谢！

Answer 1

?<TextInsideBrackets>不正确

你需要：

(?<TextInsideBrackets>...)

Answer 2

试试这个：

Regex regex = new Regex("class=\\\"peopleCount\\\"\\>(?<data>[^\\<]*)",
RegexOptions.CultureInvariant
| RegexOptions.Compiled
);

它应该有点快，因为你基本上说你要找的数据是在peopleCount“＆gt;之后开始并在第一个＆lt;

结束

（我将组名更改为数据）

干杯，弗洛里安

Answer 3

我假设您想要进行命名捕获。

你应该使用

Regex regex = new Regex("\\<span class=\"peopleCount\">(?<TextInsideBrackets>\\w+)\\</span>");

而不是

Regex regex = new Regex("\\<span class=\"peopleCount\">?<TextInsideBrackets>\\w+\\</span>");

C＃提取字符串的某些部分

3 个答案: