如何解析讀取所有行的文本文件中的特定字符串？

Question

在每一行中，我想解析標記后的字符串

我知道它是html，但是我將html的這一部分復制到了文本文件。 例如，文本文件中的前兩行是這樣的：

 <li>602 — <a href="/w/index.php?title=Text602&amp;action=edit&amp;redlink=1" class="new" title="Text602 (page does not exist)">Text602</a> document</li> <li>ABW — <a href="/wiki/AbiWord" title="AbiWord">AbiWord</a> Document</li> 

我想從第一行解析602，從第二行解析ABW。 我試圖做的是：

 private void ParseFilesTypes() { string[] lines = File.ReadAllLines(@"E:\\New folder (44)\\New Text Document.txt"); foreach (string str in lines) { int r = str.IndexOf("<li>"); if (r >= 0) { int i = str.IndexOf(" -", r + 1); if (i >= 0) { int c = str.IndexOf(" -", i + 1); if (c >= 0) { i++; MessageBox.Show(str.Substring(i, c - i)); } } } } } 

但是c一直都是-1

Answer 1

我認為正則表達式會很有用（除非沒有li屬性）：

var regex = new Regex("^<li>(.+) —");
foreach (string str in lines)
{
     var m = regex.Match(str);
     if (m.Success)
        MessageBox.Show(m.Groups[1].Value);
}

Answer 2

實際上，您的問題是您正在使用錯誤的編碼讀取文件。 你在你的文件中的特殊字符—不- 因此，您需要在代碼中更正此字符，並以正確的編碼讀取文件。 如果您以錯誤的編碼方式調試讀取的字符串，則會看到黑色菱形而不是— 。

另外，您需要先刪除空格—或將i + 1替換為i ；

private static void ParseFilesTypes()
{
    string sampleFilePath = @"log.txt";
    string[] lines = File.ReadAllLines(@"log.txt", Encoding.GetEncoding("windows-1252"));
    foreach (string str in lines)
    {
        int r = str.IndexOf("<li>");
        if (r >= 0)
        {
            int i = str.IndexOf(" —", r + 1);
            if (i >= 0)
            {

                int c = str.IndexOf(" —", i);
                if (c >= 0)
                {
                    i++;
                    int startIndex = r + "<li>".Length;
                    int length = i - startIndex - 1;
                    string result = str.Substring(r + "<li>".Length, length);
                    MessageBox.Show(result);
                }
            }
        }
    }
}