c# - 正则表达式获取包含特定innerHTML的单元格的表格

Question

这张表的图片：

<table cellpadding="0" border="0">
<tr class="someclass">

<td>blah blah THISISIMPORTANT blah blah</td>

</tr>
</table>

我只想选择具有包含“THISISIMPORTANT”的innerHTML 的TD 的表。

这必须使用 c# 中的正则表达式来完成

这是我尝试过的：

<table\s*.*?\s*>\s*.*?\s*<td\s*.*?\s*>\s*.*?\s*</td>\s*.*?\s*</table>

score 2 · Accepted Answer

/<table[^>]*>(?:.(?!<\/table>))*<td[^>]*>(?:.(?!<\/td>))*THISISIMPORTANT.*?<\/td>.*?<\/table>/

这很接近......我的意思是，只要没有人在标签内使用“>”，你就可以了。但是你真的应该找到比正则表达式更好的方法。

score 0 · Accepted Answer

为什么不直接使用HTML Agility Pack？它非常好地解析 HTML，甚至支持 LINQ，所以用它实现你想要的应该是微不足道的。

您可以使用正则表达式解析您想要的文本，但是您需要假设将始终完美地形成并采用相同的特定格式等，这将使代码难以维护。

编辑：我发现了另一个与您的问题几乎相同的问题，其中的代码示例显示了如何使用 HTML 敏捷包来实现解决方案：regex to get value of inside a specific TD in HTML

2 回答 2