HTML <tr> 标签的正则表达式 [重复]

Posted 2023-03-05

【中文标题】HTML <tr> 标签的正则表达式 [重复]

【英文标题】：Regex for HTML <tr> tag [duplicate]

【发布时间】：2014-06-16 02:25:12

【问题描述】：

我有一个带有 <tr> 类的 html 页面，我需要捕获这些标签之间的文本。

我试过Regex：

(?i)<tr[^>]*?>([^<]*)</tr> 

但它不起作用。

这是我所有的 C# 代码：

string patternPost = @"(?i)<tr[^>]*?>([^<]*)</tr>";
MatchCollection m1 = Regex.Matches(html, patternPost, RegexOptions.Multiline);
foreach (Match m in m1)
    
        MessageBox.Show(m.Groups[1].Value);
    

您可以在此处找到 HTML 页面的示例：http://pastebin.com/ewN5NZis

你可以看到 2 个块，我需要为每个块存储三个不同的列表中的三个信息：

List 1: Title1, Title2
List 2: John, Antony
List 3: 29/04/14, 28/04/14

使用我的第一个正则表达式，我想首先尝试捕获所有块并跳过无用信息，例如与 tr 不同的标签，然后我想尝试使用 3 个不同的正则表达式为每个块捕获 3 个信息。 这是正确的吗？我希望你现在能理解我。

【问题讨论】：

NOOOOOOOOOOOOOOOoooooooooooooo

为什么不使用XmlDocument 类？

根据@Jonesy 的链接，这是一个BAD IDEA！

请定义不起作用。对于所有反对者来说，正则表达式比看起来更强大，read this。好的，对于即将到来的新手正则表达式审阅者来说，它可能无法维护，但是嘿，只需添加带有 x 修饰符的 cmets :)

很惊讶你是第一个用 C# 编写网络抓取工具的人......我似乎记得过去看到过类似的问题 - 也许你可以尝试搜索它:) 请注意 问题包含阅读 HTML 的大部分可能方法（包括一些关于 RegEx 和 HtmlAgilityPack 链接的理论），因此请确保在最上面的答案之前阅读它。

【参考方案1】：

编辑：在您最后的评论中，您说：<tr ....> <tag> ... </tag> <tag2>...</tag2> </tr> 这是对原始问题的扩展。在这个阶段，我同意所有其他建议：您将需要一个 dom 解析器。

旧版编辑：最初您要求匹配 <tr> 标记的内容。规格已更改，因此此答案包含不断发展的版本。

对于普通的 <tr> 标签：从

中提取组 1

(?i)<tr>([^<]*)</tr>

或<tr with stuff>：

(?i)<tr[^>]*>([^<]*)</tr>

或<tr stuff><td stuff>Grab Me</td>

(?i)<tr[^>]*?>\s*<td[^>]*?>(.*)</td

这是一个代码示例：

using System;
using System.Text.RegularExpressions;
class Program 
static void Main() 

string s1 = "<tr stuff><td stuff>Grab Me</td>";
var r = new Regex("(?i)<tr[^>]*?>\\s*<td[^>]*?>(.*)</td");
string capture = r.Match(s1).Groups[1].Value;
Console.WriteLine(capture);
Console.WriteLine("\nPress Any Key to Exit.");
Console.ReadKey();
 // END Main
 // END Program

输出：Grab Me

【讨论】：

不，我认为问题在于 标签中有很多其他标签，所以我的代码不起作用.. @user3579313 请参阅我刚刚添加的解决方案的第二部分。 :) 等于我在第一篇文章中的代码 :) @user3579313 请给我一个不匹配的完整标签示例。 @user3579313 请查看我刚刚为您的新规范添加的“Grab Me”正则表达式。