0

所以，假设我正在解析以下 HTML 字符串：

<html>
    <head>
        RANDOM JAVASCRIPT AND CSS AHHHHHH!!!!!!!!
    </head>
    <body>
        <table class="table">
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
            <tr><a href="/subdir/members/Name">Name</a></tr>
        </table>
    <body>
</html>

我想隔离**的内容（表类中的所有内容）

现在，我使用正则表达式来完成此操作：

string pagesource = (method that extracts the html source and stores it into a string);
string[] splitSource = Regex.Split(pagesource, "<table class=/"member/">;
string memberList = Regex.Split(splitSource[1], "</table>");
//the list of table members will be in memberList[0];
//method to extract links from the table
ExtractLinks(memberList[0]);

我一直在寻找其他方法来进行这种提取，并且在 C# 中遇到了 Match 对象。

我正在尝试做这样的事情：

Match match = Regex.Match(pageSource, "<table class=\"members\">(.|\n)*?</table>");

以上的目的是希望提取两个分隔符之间的匹配值，但是，当我尝试运行它时，匹配值是：

match.value = </table>

因此，我的问题是：有没有一种方法可以从我的字符串中提取数据，它比我使用正则表达式的方法更容易/更易读/更短？对于这个简单的例子，正则表达式很好，但对于更复杂的例子，我发现自己在我的屏幕上到处都是涂鸦的代码。

我真的很想使用 match，因为它看起来是一个非常整洁的类，但我似乎无法让它满足我的需要。谁能帮我这个？

非常感谢你！

4

3 回答 3

3

使用 HTML 解析器，例如HTML Agility Pack。

var doc = new HtmlDocument();

using (var wc = new WebClient())
using (var stream = wc.OpenRead(url))
{
    doc.Load(stream);
}

var table = doc.DocumentElement.Element("html").Element("body").Element("table");
string tableHtml = table.OuterHtml;
于 2012-06-13T13:13:11.803 回答
0

您可以将 XPath 与 HTmlAgilityPack 一起使用：

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(s);
var elements = doc.DocumentNode.SelectNodes("//table[@class='table']");

foreach (var ele in elements)
{
    MessageBox.Show(ele.OuterHtml);
}
于 2012-06-13T13:19:49.717 回答
0

您已在正则表达式中添加括号以捕获匹配项：

Match match = Regex.Match(pageSource, "<table class=\"members\">(.|\n*?)</table>");

无论如何，似乎只有 Chuck Norris 可以正确解析带有正则表达式的 HTML。

于 2012-06-13T13:20:59.460 回答