如何使用正则表达式查找特定匹配项并将它们放入字符串数组中？

Posted 2023-04-13

【中文标题】如何使用正则表达式查找特定匹配项并将它们放入字符串数组中？

【英文标题】：How do I find specific matches using regex and put them in a string array?

【发布时间】：2016-05-05 20:44:22

【问题描述】：

我有一个试图从中提取数据的 html 文件。我正在使用的正则表达式是

"<tr.+?>.+?<td class=\"table_row_col2\"><b>(.+?)&.+?</b>.+?<td class=\"table_row_col5\">(.+?)</td>.+?<td class=\"table_row_col6\">(.+?)</td>.+?</tr>"

它适用于 Python，但不适用于 C#。以下是一些示例数据：

<tr class="table_row" style="background-color: #d3d3d3;">
    <td class="table_row_col1">271</td>
    <td class="table_row_col2"><b>16/09/2015&nbsp;05:28&nbsp;PM</b></font></small></sup></td>
    <td class="table_row_col3"><span style="color:#e30613">14.3</span></td>
    <td class="table_row_col4">-</td>
    <td class="table_row_col5">8</td>
    <td class="table_row_col6">-</td>
    <td class="table_row_col7">-</td>
    <td class="table_row_col8">Before dinner</td>
    <td class="table_row_col9">-</td>
    <td class="table_row_col10">-</td>
    <td class="table_row_col11">-</td>
</tr>

<tr class="table_row" style="background-color: #ffffff;">
    <td class="table_row_col1">272</td>
    <td class="table_row_col2"><b>16/09/2015&nbsp;02:54&nbsp;PM</b></font></small></sup></td>
    <td class="table_row_col3"><span style="color:#e30613">17.6</span></td>
    <td class="table_row_col4">-</td>
    <td class="table_row_col5">20</td>
    <td class="table_row_col6">32</td>
    <td class="table_row_col7">-</td>
    <td class="table_row_col8">Other</td>
    <td class="table_row_col9">-</td>
    <td class="table_row_col10">-</td>
    <td class="table_row_col11">-</td>
</tr>

<tr class="table_row" style="background-color: #d3d3d3;">
    <td class="table_row_col1">273</td>
    <td class="table_row_col2"><b>15/09/2015&nbsp;11:09&nbsp;PM</b></font></small></sup></td>
    <td class="table_row_col3">-</td>
    <td class="table_row_col4">-</td>
    <td class="table_row_col5">-</td>
    <td class="table_row_col6">34</td>
    <td class="table_row_col7">-</td>
    <td class="table_row_col8">Before Bed</td>
    <td class="table_row_col9">-</td>
    <td class="table_row_col10">-</td>
    <td class="table_row_col11">-</td>
</tr>

我正在尝试从 table_row_col2 中提取日期以及从 table_row_col5 和 table_row_col6 中提取数字

【问题讨论】：

我看到你是新来的 - 欢迎来到 SO！您应该知道的第一件事是 HTML 解析最好使用 HTML 解析器完成，而不是使用正则表达式。你考虑过使用一个吗？比如HtmlAgilityPack等？每次有人发布有关使用正则表达式解析 HTML 的问题时，都会共享 RegEx match open tags except XHTML self-contained tags 链接:)

目前在 C# 中返回了什么？

怎么不行？是否有异常，或者没有返回正确的值？

看起来像是 htmlagilitypack.codeplex.com 的工作

C# 正在返回所有的 HTML，不，我没有尝试使用 HTML 解析器，我真的不知道你可以从 HTML 解析器中提取值，我会看看我是否可以使用一个并让它工作。感谢您的回复。

【参考方案1】：

如果你知道 HTML 永远不会改变，你可以像这样添加一个类 Split：

List<string> rows = Split.Extract(htmlString, "class=\"table_row\"", "</tr>");
foreach (string row in rows)

    string col2 = Split.Extract(row, "class=\"table_row_col2\"><b>", "</b>")[0];
    string col5 = Split.Extract(row, "class=\"table_row_col5\">", "</td>")[0];
    string col6 = Split.Extract(row, "class=\"table_row_col6\">", "</td>")[0];

    Console.WriteLine(col2 + ", " + col5 + ", " + col6);

附加类Split：

public class Split

    public static List<string> Extract(string source, string splitStart, string splitEnd)
    
        try
        
            var results = new List<string>();

            string[] start = new string[]  splitStart ;
            string[] end = new string[]  splitEnd ;
            string[] temp = source.Split(start, StringSplitOptions.None);

            for (int i = 1; i < temp.Length; i++)
            
                results.Add(temp[i].Split(end, StringSplitOptions.None)[0]);
            

            return results;
        
        catch (Exception e)
        
            throw new Exception(e.Message);
        
    

【讨论】：

甚至比我尝试使用的旧方法更好，它将操作时间从 4.5 秒（或者我的第一个方法大约 4.75 - 5 秒）减少到 ~450 毫秒。你是上帝派来的。非常感谢。