使用Regex在HTML中查找包含内容的标记

Question

我正在尝试使用Regex在HTML字符串中找到标记article及其所有内容。

我可以成功地将开放标记与attrs匹配：<article[^>]*>

我遇到了匹配内容的问题。 (.*?) - this技术对我不起作用。

请帮忙。

Answer 1

一般情况下，不能使用正则表达式来解析HTML。但是，在受约束的情况下（即当输入遵循刚性结构时），您可能能够逃脱它。在您的情况下，您可以使用以下正则表达式，前提是：

• <article>代码不是自动关闭的
• <article>元素不包含其他<article>后代
• 字符串<article和</article>在HTML中不显示为文字。

代码：

var matches = Regex.Matches(html, @"<article.*?</article>", RegexOptions.Singleline);