使用正则表达式在多行之间抓取文本

Question

我正在尝试从此HTML页面代码中捕获标记之前的Juwelier一词。

我对RegEx不太满意，尤其是不能在多行上使用它。 不会动态的事情：

• <p>Rubriek:
• class="category"
• 当然还有html标签，例如<p> , </p> , <a> , </a>

这是HTML页面代码

    <p>Rubriek: 

      <a href="http://www.detelefoongids.nl/juwelier/4-1/?oWhat=Juwelier"
         title="Juwelier"
         class="category">
           Juwelier
      </a>
   </p>

Answer 1

下面的正则表达式是您可以使用的众多正则表达式之一。
它使用零宽度正向后看(?<=)和超前看(?=)断言来定位目标字符串。

Dim str As String = _
"<p>Rubriek:" & vbCrLf &
"  <a href=""http://www.detelefoongids.nl/juwelier/4-1/?oWhat=Juwelier""" & vbCrLf &
"     title = ""Juwelier""" & vbCrLf &
"     class=""category"">" & vbCrLf &
"       Juwelier" & vbCrLf &
"  </a>" & vbCrLf &
"</p>"

Dim match As Match = Regex.Match(str, _
    "(?<=<p>Rubriek:[^>]+?class=""category"">\W*)\w+(?=\W*</a>)")

If (match.Success) Then
    MsgBox(match.Value)
End If

尽管上面没有使用，但是如果要使用通配符元字符，则在尝试匹配多行时要记住的重要一点是使用单行模式. ，以便与每个字符（ 包括换行符）匹配。 可以使用RegexOptions.Singleline或在正则表达式的开头放置(?s)来指定。

\\w+用于匹配一个或多个单词字符，即a-zA-Z0-9_
\\W*用于匹配零个或多个非单词字符。
[^>]用于匹配不是>字符。