正则表达式只捕获[0-9]数字，同时用空格或逗号匹配数字

Question

我有一些类似的文字：

<span id="myspan">2,500</span>
<span id="myspan">500</span>

我需要一个正则表达式模式才能匹配数字。 所以，我对上述匹配的输出将是：

• 2500
• 500

我试过这个：

(?:\<\bspan\b.*?\bmyspan\b.*?\>)(?<numbers>[,0-9].*?)(?:\</\bspan\b\>)

这个

(?:\<\bspan\b.*?\bmyspan\b.*?\>)(?<numbers>[0-9].*?)(?:\</\bspan\b\>)

Answer 1

看起来你走错了方向。基本上，正则表达式is not the best tool用于解析HTML。

有时可以应用XML解析器，但并不总是如此，因为很多时候html内容在xml方面不是很好，因此它不能被xml解析器解析。

但是，使用Html Agility Pack很容易实现目标。

var s = "<span id=\"myspan\">2,500</span><span id=\"myspan\">500</span>";
var  doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(s);
foreach (var node in doc.DocumentNode.ChildNodes.Where(n => n.Name == "span"))
{
    string value = node.InnerHtml;
    // here you can transform string value to integer and so on
    Console.WriteLine(value);
}

注意：Html Agility包也可以作为NuGet包安装在Visual Studio中。

Answer 2

不能仅使用正则表达式执行此操作，但可以在两次传递中执行此操作，在每次传递中应用两个不同的正则表达式。

在第一次传递中，您只需匹配第二次传递中包含dots和/或spaces的数字，您使用正则表达式删除dots，spaces等并留下olnly数字

示例正则表达式：

第一遍：(?:\<\bspan\b.*?\bmyspan\b.*?\>)(?<numbers>[ ,.0-9]+)(?:\</\bspan\b\>)

第二遍：将匹配号码

上的空字符[ .,]替换为''

Answer 3

编辑（灵感来自@ AndyKorneyev＆＃39;

使用HtmlAgilityPack，您可以通过查询具有<span>属性值的标记来获取所需的myspan标记。

var txt = "<span id=\"myspan\">2,500</span><span id=\"myspan\">500</span>";
var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(txt);
foreach (var node in doc.DocumentNode.ChildNodes.Where(p => p.Name == "span" && p.HasAttributes && p.GetAttributeValue("id", string.Empty) == "myspan"))
{
   var val = node.InnerHtml;
   Console.WriteLine(val.Replace(",", string.Empty));
}

输出：

2500
500

<强> ORIGINAL ：

这是一种没有正则表达式的方法，使用XElement和Replace：

var txxt = "<span id=\"myspan\">2,500</span>\r\n<span id=\"myspan\">500</span>";
var Xelt = XElement.Parse("<root>" + txxt + "</root>");
var vals = Xelt.DescendantsAndSelf("span").Select(p => p.Value.Replace(",", string.Empty)).ToList();

输出：

或者删除所有逗号和标记的非常奇怪的正则表达式方法：

 var result = Regex.Replace(txxt, @"(?><(?:\b|/)[^<]*>|,)", string.Empty);

结果为。

如果你出于某种原因坚持你的方法，只需使用环顾四周：

var rgx = new Regex(@"(?s)(?<=<\bspan\b[^<]*?\bmyspan\b[^<]*?\>)(?<numbers>[,0-9]*?)(?=</span>)");
var matched = rgx.Matches(txxt).Cast<Match>().Select(p => p.Value.Replace(",", string.Empty)).ToList();

Answer 4

stribizhev的方法很好，当有更好的工具可用时，你不应该使用正则表达式来解析HTML / XML。至于只取数字，作为建议的p.Value.Replace(",", string.Empty)的替代，这里是一个使用LINQ的版本，并删除任何不是数字的东西：

new string(p.Value.Where(ch => char.IsDigit(ch)).ToArray())

这是有效的，因为string类实现了IEnumerable<char>。