如何使用 regex.split 在 c# 中解析 html 并返回值数组

Posted 2023-04-13

【中文标题】如何使用 regex.split 在 c# 中解析 html 并返回值数组

【英文标题】：How to parse html and return array of values in c# using regex.split

【发布时间】：2011-04-17 23:35:16

【问题描述】：

目前我正在尝试解析一些 html 并返回一个包含每个元素内的值的数组。

例如：

如果我将以下标记传递给函数

var element = "td";
var html = "<tr><td>1</td><td>2</td></tr>";
return Regex.Split(html, string.Format("<0*.>(.*?)</0>", element));

我期待返回一个数组[] 1, 2

我的正则表达式需要是什么样的？目前我的数组返回了很多元素，我的正则表达式技能缺乏

【问题讨论】：

Parsing (X)HTML with RegEx!?!!!!??? 这个笑话永远不会过时，是吗？

在你继续沿着这条路走之前，请阅读这篇文章（编辑 - dtb 打败了我）

【参考方案1】：

不要使用正则表达式解析 HTML。

相反，您应该使用HTML Agility Pack。

例如：

HtmlDocument doc = new HtmlDocument();
doc.Parse(str);

IEnumerable<string> cells = doc.DocumentNode.Descendants("td").Select(td => td.InnerText);

【参考方案2】：

你真的不应该使用正则表达式来解析 html。 html 不是常规语言，因此正则表达式无法正确解释它。您应该使用解析器。

c# 有 html parsers for this.

【参考方案3】：

加载html的方法比原来的答案变了，现在是：

// From File
var doc = new HtmlDocument();
doc.Load(filePath);

// From String
var doc = new HtmlDocument();
doc.LoadHtml(html);

// From Web
var url = "http://html-agility-pack.net/";
var web = new HtmlWeb();
var doc = web.Load(url);

但是，如果您按照上面提供的链接遵循文档，您应该没问题:)