c# - 正则表达式在带有新行的标签之间获取值

Question

有人可以帮我处理正则表达式。我完全卡住了

我有一个 HTML 代码：

<td width="50%"><span class="draw_info">Draw No: 2813<br />
Thursday&nbsp;10 Jan 13<br />
    <br />

我需要检索这一行：Thursday 10 Jan 13

如果这对您有任何帮助，我正在使用C#

Answer 1

我假设您尝试提取的部分不仅仅是HTML代码。鉴于您发布的文章，我会尝试为您提供一些正则表达式帮助。

我将首先规范化空白并删除空白标签，如下所示：

var normalizedText = Regex.Replace(text, @"<br\s*/?>|\r|\n|&nbsp;", " ");

然后我会使用一个专门的正则表达式来找到<span>你想要的正确标签（绘制信息）：

var spanRegex = new Regex(@"<span class=""draw_info"">\s*Draw No:\s*(?<DrawNumber>[0-9]*)\s*(?<Timestamp>.*)\s*(</span>)?");

这会将您想要的抽奖编号和日期值提取到两个单独的捕获组中。然后，您可以单独访问它们：

var match = spanRegex.Match(normalizedText);

// TODO: Handle !match.Success for parsing errors here.

var drawNumberString = match.Groups["DrawNumber"].Value.Trim();
var timestampString = match.Groups["Timestamp"].Value.Trim();

int drawNumber;
DateTime timestamp;

if(!int.TryParse(drawNumberString, out drawNumber))
{
  // TODO: Handle draw number parsing errors here.
}

if(!DateTime.TryParse(timestampString, out timestamp))
{
  // TODO: Handle timestamp parsing errors here.
}