[英]Regex to extract required data from a string in C#
我有一个网页。 如果查看页面的“视图源”,则会发现以下语句的多个实例:
<td class="my_class" itemprop="main_item">statement 1</td>
<td class="my_class" itemprop="main_item">statement 2</td>
<td class="my_class" itemprop="main_item">statement 3</td>
我想这样提取数据:
statement 1
statement 2
statement 3
为此,我制作了一种方法“ GetContent ”,该方法以“ URL”作为参数,并将网页源的所有内容复制到C#字符串中。
private string GetContent(string url)
{
HttpWebResponse response = null;
StreamReader respStream = null;
HttpWebRequest request = (HttpWebRequest)WebRequest.Create(url);
request.Timeout = 100000;
response = (HttpWebResponse)request.GetResponse();
respStream = new StreamReader(response.GetResponseStream());
return respStream.ReadToEnd();
}
现在,我想创建一个方法“ GetMyList ”,它将提取我想要的列表。 我正在寻找可能适合我的目的的正则表达式。 非常感谢您的帮助。
使用HTML AgilityPack ,这真的很容易...
HtmlDocument doc= new HtmlDocument ();
doc.LoadHtml(html);
//var nodes = doc.DocumentNode.SelectNodes("//td//text()");
var nodes = doc.DocumentNode.SelectNodes("//td[@itemprop=\"main_item\"]//text()");
var list = new List<string>();
foreach (var m in nodes)
{
list.Add(m.InnerText);
}
但是,如果您要使用正则Regex
,请尝试以下操作:
string regularExpressionPattern1 = @"<td.*?>(.*?)<\/td>";
Regex regex = new Regex(regularExpressionPattern1, RegexOptions.Singleline);
MatchCollection collection = regex.Matches(html.ToString());
var list = new List<string>();
foreach (Match m in collection)
{
list.Add( m.Groups[1].Value);
}
Hosseins的答案几乎是解决方案(如果您有此选择,我建议您使用解析器),但是带有不捕获括号的正则表达式?:
将根据需要将提取的数据statement 1
或statement 2
带给您:
IEnumerable<string> GetMyList(string str)
{
foreach(Match m in Regex.Matches(str, @"(?:<td.*?>)(.*?)(?:<\/td>)"))
yield return m.Groups[1].Value;
}
有关更多详细说明 ,请参见regex101中的解释 。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.