正则表达式匹配和子字符串合而为一？

Question

我有一个HTML源作为输入，并且想知道该网站是用什么CMS制成的。许多CMS都将其名称保留在这样的元标记中：

<meta name="Generator" content="MY CMS" />   

我可以得到这样的结果：

        Match match = Regex.Match(html, ".*(?i)meta.*generator.*");
        match = Regex.Match(match.ToString(), "content.*\".*\"");
        match = Regex.Match(match.ToString(), "\".*\"");

给我“我的CMS”

但是有什么方法可以将其缩短为一个Regex.Match吗？

请注意，meta标签可能是这样的：

<meta content="MY CMS" name="Generator" />

谢谢和最好的问候

Answer 1

var regex = new Regex(@"<meta\s+name=""Generator""\s+content=""([^""]+)""", RegexOptions.IgnoreCase);
var match = regex.Match(html);
var generator = match.Groups[1].Value;

Answer 2

请尝试以下操作：

Regex regex = new Regex(@"<meta[^>]+content\s*=\s*['"]([^'"]+)['"][^>]*>");
Match match = regex.Match(input);

该值在组1中。

希望能帮助到你。

Answer 3

正则表达式不是解析HTML文件的好选择。

HTML既不严格也不规范其格式。

使用htmlagilitypack

正则表达式用于正则表达式NOT 不规则表达式

您可以使用此代码通过HtmlAgilityPack进行检索

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);

var content= doc.DocumentNode
                .SelectSingleNode("//meta[@name='Generator']")
                .Attributes["content"].Value;