Question

我有一个包含<tr>类的HTML页面，我需要在这些标记之间捕获文本。

我尝试了Regex：

(?i)<tr[^>]*?>([^<]*)</tr>

但它没有用。

这是我在C＃中的所有代码：

string patternPost = @"(?i)<tr[^>]*?>([^<]*)</tr>";
MatchCollection m1 = Regex.Matches(html, patternPost, RegexOptions.Multiline);
foreach (Match m in m1)
    {
        MessageBox.Show(m.Groups[1].Value);
    }

您可以在此处找到HTML页面的示例：http://pastebin.com/ewN5NZis

你可以看到2个块，我需要为每个块存储，三个不同列表中的三个信息：

List 1: Title1, Title2
List 2: John, Antony
List 3: 29/04/14, 28/04/14

我的第一个正则表达式我想首先尝试捕获所有块并跳过无用的信息，如来自 tr 的标签不同，然后我想尝试用3个不同的正则表达式捕获每个块的3个信息。这是正确的吗？我希望你现在了解我。

Answer 1

编辑：在你的上一条评论中，你说：<tr ....> <tag> ... </tag> <tag2>...</tag2> </tr>这是对原始问题的一个扩展。在这个阶段，我同意所有其他建议：你将需要一个dom解析器。

旧版编辑：最初您要求匹配<tr>代码的内容。规格已经改变，所以这个答案包含不断发展的版本。

对于普通<tr>标记：从

中提取第1组

(?i)<tr>([^<]*)</tr>

或<tr with stuff>：

(?i)<tr[^>]*>([^<]*)</tr>

或<tr stuff><td stuff>Grab Me</td>

(?i)<tr[^>]*?>\s*<td[^>]*?>(.*)</td

以下是代码示例：

using System;
using System.Text.RegularExpressions;
class Program {
static void Main() {

string s1 = "<tr stuff><td stuff>Grab Me</td>";
var r = new Regex("(?i)<tr[^>]*?>\\s*<td[^>]*?>(.*)</td");
string capture = r.Match(s1).Groups[1].Value;
Console.WriteLine(capture);
Console.WriteLine("\nPress Any Key to Exit.");
Console.ReadKey();
} // END Main
} // END Program

输出：Grab Me

HTML标记的正则表达式

1 个答案: