html - 正则表达式获取 HTML 标签之间的数据（标签有属性）

Question

首先，我知道使用正则表达式进行 HTML 解析是不好的做法，但我正在开发一个移动应用程序，所以大小和简单性很重要。此外，要求非常简单。

HTML 标签：（<td width=100>Capture This</td>标签可以是 td/span/etc，属性也一样，例如 height/style/etc。）

我应该使用什么正则表达式来获取“捕获这个”部分？

Answer 1

Regex是解析 HTML 的糟糕选择，尤其是来自不同来源的解析。

我建议使用专门构建的解析器，例如HTML Agility Pack。

什么是 Html Agility Pack (HAP)？

这是一个敏捷的 HTML 解析器，它构建一个读/写 DOM 并支持普通的 XPATH 或 XSLT（实际上你不必了解 XPATH 或 XSLT 就可以使用它，不用担心......）。它是一个 .NET 代码库，允许您解析“网络之外”的 HTML 文件。解析器对“真实世界”格式错误的 HTML 非常宽容。对象模型与 System.Xml 的提议非常相似，但用于 HTML 文档（或流）。

源代码下载附带了一堆示例项目，因此您可以了解如何使用它。

Answer 2

如果要匹配可以具有属性但没有子节点的某个元素，请使用

/<td(?:\s[^<>]+)?>([^<>]*)<\/td>/

并获得捕获的组。