html - 如何从具有各种嵌套表格标签的html页面中仅提取第一个表格标签

Question

我有以下 html 页面。我只想在 C# 中的第一个表标记内提取数据。html页面代码是：

<table cellpadding=2 cellspacing=0 border=0 width=100%>
<tbody>
<tr>
<td align=right><b>11/09/2013&nbsp;at&nbsp;09:48</b></td>
</tr>
</tbody>
</table>
<center>
<table border="1" bordercolor="silver" cellpadding="2" cellspacing="0" width="100%">
<thead>
<tr>
<th width=100>ETA</th>
<th width=100>Ship Name</th>
<th width=80>From port</th>
<th width=80>To berth</th>
<th width=130>Agent</th>


</tr>
</thead>
<tbody>
<tr><td>11/09/2013 at 09:00&nbsp;</td>
<td>SONANGOL KALANDULA&nbsp;</td>
<td>Cabinda&nbsp;</td>
<td>Valero 6&nbsp;</td>
<td>Graypen&nbsp;</td>
</tr>
</tbody>
</table>

更具体地说，我只想提取具有日期11/09/2013 at 09:48的行，下面提到的代码位于我正在使用正则表达式的第一个标签下

"<table[^>]*>([^<]*(?:(?!</table)<[^<]*)*)[</table>]*" 

但是有了这个，我得到了整个页面源，即我在所有表格标签之间获取数据，但我只想要第一个表格标签之间的文本。

谁能告诉我正则表达式，我只能从整个 html 页面中提取这个特定部分？

Answer 1

在这里试用您的版本时，它似乎对您指定的输入有效，但[</table>]*实际上应该只是</table>（[</table>]*表示集合中的任意数量的字符：<,/,t,a,b,l,e,>）

不过，这似乎可以简化。这也应该有效：

<table[^>]*>.*?</table>

当然，如果您有嵌套表，则所有赌注都将关闭。