如何使用正则表达式C＃避免在自定义HTML标签之间插入HTML标签

Question

我有一个要求，其中

'<H3></H3>'

需要使用RegEx C＃查找HTML标记计数。

如果之间没有自定义HTML标签（即仅包含文本或字符串），则以下代码可正确找到H3标签计数。

 var regexHeading = new Regex(@"<h3>(.*?)</h3>"); 

而如果标题标签包含任何自定义HTML标签，则上述RegEx无法正常工作。 [Ex: <h3><a></a></h3>].

任何人都可以建议这是使用正则表达式c＃查找HTML标记计数的最佳方法（即使它之间包含任何自定义标记）。

部分解决方案（可能对某人有所帮助）：我编写了一个自定义标签，但并非在所有情况下都有效

Answer 1

不建议使用正则表达式解析html，在stackoverflow中有很多答案。

请改用HtmlAgilityPack 。

示例：尝试以下操作： HtmlDocument doc = new HtmlDocument(); doc.Load("file.htm"); var h3nodes = doc.DocumentElement.SelectNodes("//body//h3"]; HtmlDocument doc = new HtmlDocument(); doc.Load("file.htm"); var h3nodes = doc.DocumentElement.SelectNodes("//body//h3"];

或var h3nodes = doc.DocumentElement.Descendants("h3");

h3nodes是带有标签“ h3”的html元素的节点列表。

对于“ SelectNodes”方法参数，请阅读有关XPath的信息。

Answer 2

如果您只是想计算<H3>元素的匹配数，则只需要匹配开始元素。

如果您需要确保元素的格式正确并具有匹配的close标签，那么您当前的RegEx应该可以使用。 如果您能告诉我们您的期望和获得的结果，那么它将帮助我们为您提供更好的答案。

Answer 3

谢谢伊桑·布朗（Ethan Brown）:-)您给出的提示解决了我的问题。

正则表达式无法找到

 

 
 


  
 
  
  
 
   
<H3>/n</H3>
 
  

 

 
 

因此，我尝试用空字符串替换新行标签，如下所示

publishingPageContent = publishingPageContent.Replace("\n", string.Empty);
var regexHeading = new Regex(@"<h3>(.*?)</h3>");
//Find matching                                        
var matchHeadings = regexHeading.Matches(publishingPageContent);

感谢Guyz帮助我解决此问题。 ！:)