构建一个匹配分层数据的单个正则表达式是否可能/实用？
例如：
<h1>Action</h1>
<h2>Title1</h2><div>data1</div>
<h2>Title2</h2><div>data2</div>
<h1>Adventure</h1>
<h2>Title3</h2><div>data3</div>
我想以比赛结束。
"Action", "Title1", "data1"
"Action", "Title2", "data2"
"Adventure", "Title3", "data3"
正如我所看到的，这需要知道这里有一个层次结构，如果我编码模式来捕获 H1，它只匹配该层次结构的第一个条目。如果我不为 H1 编码，那么我无法捕获它。想知道我是否有什么特殊的技巧可以解决这个问题。
这是一个 .NET 项目。
解决方案是不使用正则表达式。对于这种事情，他们的力量还不够。
你想要的是一个解析器——因为看起来你正在尝试匹配 HTML，所以有很多可供选择。
尝试使用 RegEx 解析 HTML/XML 通常被认为是不好的做法，因为它是分层的。您可以使用递归函数来执行此操作，但在这种情况下，更好的解决方案是使用真正的 XML 解析器。在不知道您使用的平台的情况下，我无法给您更好的建议。
编辑：正则表达式也很慢，这是处理 HTML 不好的另一个原因；但是，我不知道 XML/DOM 处理器可能会更快，因为它可能会使用更多的内存。
如果您只想像您演示的那样从简单文档中获取数据，和/或如果您想自己构建解决方案，那么做起来并不难。只需构建一个简单的、基于递归状态的流处理器，它会查找标签并将内容传递到下一个递归级别。
例如：
- In a recursive function, seek out a "<" character.
- Now find a ">" character.
- Preserve everything you find until the next "<" character.
- Find a ">" character.
- Pass whatever you found between those tags into the recursive function.
您必须自己进行错误检查，但基本情况（当您返回到上一个级别时）只是在没有其他东西可找到的情况下。
也许这有帮助，也许没有。祝你好运。
正则表达式不适用于此类数据。它本身并不规律。
您应该为此使用 XML 解析器。