如何在html字符串中找到匹配的结束标记？

Question

想象一下以下HTML：

<div>
  <b></b>
  <div>
    <table>...</table>
  </div>
</div> <!-- this one -->
...

如何找到第一个打开div标签的匹配结束标记？是否有可以找到它的注册表？我想这是一个非常常见的要求，但我很难找到任何直截了当的，只是完整的HTML解析器。

Answer 1

没有

使用完整的HTML解析器。他们存在的原因。

Answer 2

使用Html Agility Pack。

Answer 3

我假设你已经确定了html标签...现在创建一个堆栈，每次你看到一个开始标签推送，每次你看到一个结束标签弹出...并查看你弹出的那些标签是什么关闭标签......

但是已经有了HTML解析器，所以在codeplex上搜索一个。

Answer 4

嗯，你需要有一个'清晰'的语法视图！但是，regexp的范围非常有限，我不建议将它用于多行/标记语法。

您需要跟踪每个标记（打开/关闭）并使用“处理程序”来处理您的请求。您可以使用一些Lex / Yacc工具，但这可能过度。根据您使用的语言，您可能已经有了用于此目的的模块（如Python中的HTMLParser）。

Answer 5

如果你想解析HTML并且不需要每一个细节，总会有LinqToXml。