从text和html标记中将字符串拆分为数组

Question

我有一个字符串

string html = "truongpm<b><i>bold italic</i></b><b>bold</b><i>italic</i>";

我如何获得数组

a[0] = "truongpm", a[1]= "<b><i>bold</i></b>", a[2]="<b>bold</b>", a[3]="<i>italic</i>"

从这个字符串。 现在我使用这段代码

string tagRegex = @"<\s*([^ >]+)[^>]*>.*?<\s*/\s*\1\s*>";
MatchCollection matchesImgSrc = Regex.Matches(html, tagRegex, RegexOptions.IgnoreCase | RegexOptions.Singleline);
        foreach (Match m in matchesImgSrc)

但它只是得到

a[0]= "<b><i>bold</i></b>", a[1]="<b>bold</b>", a[2]="<i>italic</i>"

没有“truongpm”请帮帮我！ 谢谢

Answer 1

这是您可以使用的代码：

var l = new List<string>();
var html = "truongpm<b><i>bold italic</i></b><b>bold</b><i>italic</i>";
var tagRegex = @"[^<>]+|<\s*([^ >]+)[^>]*>.*?<\s*/\s*\1\s*>";
var matchesImgSrc = Regex.Matches(html, tagRegex, RegexOptions.IgnoreCase | RegexOptions.Singleline);
foreach (Match m in matchesImgSrc)
    l.Add(m.Value);

Answer 2

您的RegExp仅匹配标记内的字符串。 如果您想要捕获没有任何标记的字符串，则必须添加正则表达式的替代方法。 这可以通过添加([^<>]+)来完成，这样你的表达式就像([^<>]+)|{your existing expression} 。 在像Regex Pal这样的网站上，您可以找到创建正则表达式的帮助。