c# - 匹配嵌套的 HTML 标签

Question

在 C# 应用程序中，我想将每个 HTML“字体”标签与“颜色”属性匹配。

我有以下文字：

1<font color="red">2<font color="blue">3</font>4</font>56

我想要一个包含以下项目的 MatchCollection：

[0] <font color="red">234</font>
[1] <font color="blue">3</font>

但是当我使用这段代码时：

Regex.Matches(result, "<font color=\"(.*)\">(.*)</font>");

我得到的 MatchCollection 如下：

[0] <font color="red">2<font color="blue">3</font>4</font>

如何使用 C# 获得我想要的 MatchCollection？

谢谢。

Answer 1

“HTML”上的正则表达式是一种反模式。只是不要这样做。

为了引导你走上正确的道路，看看你可以用HTML Agility Pack做什么：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(@"1<font color=""red"">2<font color=""blue"">3</font>4</font>56");
var fontElements = doc.DocumentNode.Descendants("font");
var newNodes = fontElements.Select(fe => {
    var newNode = fe.Clone();
    newNode.InnerHtml = fe.InnerText;
    return newNode;
});
var collection = newNodes.Select(n => n.OuterHtml);

现在，collection我们有以下字符串：

<font color="red">234</font> 
<font color="blue">3</font> 

嗯……可爱。

Answer 2

一种使用 Html Agility Pack 和 XPath 查询来确保颜色属性存在的方法：

HtmlDocument htmlDoc = new HtmlDocument();
htmlDoc.OptionFixNestedTags = true;
String html = "1<font color=\"red\">2<font color=\"blue\">3</font>4</font>56";
htmlDoc.LoadHtml(html);
HtmlNodeCollection fontTags = htmlDoc.DocumentNode.SelectNodes(".//font[@color]");
foreach (HtmlNode fontTag in fontTags)
{
    Console.WriteLine(fontTag.InnerText);
}

Answer 3

Matches m = Regex.Matches(result, "<font color=\"(.*?)\">(.*?)</font>");
//add a ? after the * and print the result .you will know how to get it.