c# - C# 正则表达式提取 div 的内容

Question

我已经看到了我的一些相关问题，并且我尝试了它们，但它们不起作用。我想将 div 中的内容与 ID“thumbs”相匹配。但是 regex.Success 返回 false :(

Match regex = Regex.Match(html, @"<div[^>]*id=""thumbs"">(.+?)</div>");

Answer 1

正则表达式不是解析 HTML 文件的好选择。

HTML 并不严格，其格式也不规则。

使用htmlagilitypack

---

为什么要使用解析器？

考虑您的正则表达式。有无数种情况可以破坏您的代码

• 如果有嵌套的div ，您的正则表达式将不起作用
• 有些 div 没有结束标记！（XHTML 除外）

---

您可以使用此代码来检索它HtmlAgilityPack

HtmlDocument doc = new HtmlDocument();
doc.Load(yourStream);

var itemList = doc.DocumentNode.SelectNodes("//div[@id='thumbs']")//this xpath selects all div with thubs id
                  .Select(p => p.InnerText)
                  .ToList();

//itemList now contain all the div tags content having its id as thumbs

Answer 2

不，我不认为他需要逃跑。他在模式前面有@。我认为这是正确的：

<div[^>]*id="thumbs">(.+?)</div>

所以没有双双引号

Answer 3

尝试这个：

Regex r = new Regex(@"(?<text>(<div\s*?id=(\""|&quot;|&\#34;)"
    + @"thumb(\""|&quot;|&\#34;).*?>)(?>.*?</div>|.*?<div "
    + @"(?>depth)|.*?</div> (?>-depth))*)(?(depth)(?!)).*?</div>",
    RegexOptions.Singleline);