正则表达式仅在捕获带有空格或逗号的数字时捕获[0-9]个数字

Question

我有一些类似的文字：

<span id="myspan">2,500</span>
<span id="myspan">500</span>

我需要一个正则表达式模式以仅匹配数字。 因此，以上匹配的输出为：

• 2500
• 500

我已经试过了：

(?:\<\bspan\b.*?\bmyspan\b.*?\>)(?<numbers>[,0-9].*?)(?:\</\bspan\b\>)

和这个

(?:\<\bspan\b.*?\bmyspan\b.*?\>)(?<numbers>[0-9].*?)(?:\</\bspan\b\>)

Answer 1

看来您走错了路。 基本上，正则表达式不是解析HTML 的最佳工具 。

XML解析器有时可以应用，但并不总是可以应用，因为很多情况下html内容在xml方面格式不正确，因此xml解析器无法对其进行解析。

但是，使用Html Agility Pack很容易实现您的目标。

var s = "<span id=\"myspan\">2,500</span><span id=\"myspan\">500</span>";
var  doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(s);
foreach (var node in doc.DocumentNode.ChildNodes.Where(n => n.Name == "span"))
{
    string value = node.InnerHtml;
    // here you can transform string value to integer and so on
    Console.WriteLine(value);
}

注意：HTML Agility包也可以作为Visual Studio的NuGet包安装。

Answer 2

仅使用正则表达式是不可能做到这一点的，但是有可能在两次通过中都应用两次不同的正则表达式。

在第一遍中，您只需要匹配包含dots和/或spaces ；在第二遍中，您可以使用正则表达式删除dots ， spaces等，然后只保留数字

正则表达式示例：

第一遍： (?:\\<\\bspan\\b.*?\\bmyspan\\b.*?\\>)(?<numbers>[ ,.0-9]+)(?:\\</\\bspan\\b\\>)

第二次通过：将[ .,]替换为匹配数字上的空字符''

Answer 3

编辑 （灵感来自@AndyKorneyev的答案）：

使用HtmlAgilityPack，可以通过查询具有myspan属性值的标签来获取所需的<span>标签。

var txt = "<span id=\"myspan\">2,500</span><span id=\"myspan\">500</span>";
var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(txt);
foreach (var node in doc.DocumentNode.ChildNodes.Where(p => p.Name == "span" && p.HasAttributes && p.GetAttributeValue("id", string.Empty) == "myspan"))
{
   var val = node.InnerHtml;
   Console.WriteLine(val.Replace(",", string.Empty));
}

输出：

2500
500

原文 ：

这是一种不使用正则表达式的方法，使用XElement和Replace ：

var txxt = "<span id=\"myspan\">2,500</span>\r\n<span id=\"myspan\">500</span>";
var Xelt = XElement.Parse("<root>" + txxt + "</root>");
var vals = Xelt.DescendantsAndSelf("span").Select(p => p.Value.Replace(",", string.Empty)).ToList();

输出：

或者使用一种非常奇怪的正则表达式方法来删除所有逗号和标记：

 var result = Regex.Replace(txxt, @"(?><(?:\b|/)[^<]*>|,)", string.Empty);

结果是 。

如果出于某些原因坚持使用您的方法，请使用环顾四周：

var rgx = new Regex(@"(?s)(?<=<\bspan\b[^<]*?\bmyspan\b[^<]*?\>)(?<numbers>[,0-9]*?)(?=</span>)");
var matched = rgx.Matches(txxt).Cast<Match>().Select(p => p.Value.Replace(",", string.Empty)).ToList();

Answer 4

stribizhev的方法很好，当有更好的工具可用时，您不应使用正则表达式来解析HTML / XML。 至于仅取数字，作为提议的p.Value.Replace(",", string.Empty)的替代方法p.Value.Replace(",", string.Empty)这里是一个使用LINQ并删除非数字内容的版本：

new string(p.Value.Where(ch => char.IsDigit(ch)).ToArray())

这是有效的，因为string类实现了IEnumerable<char> 。