正則表達式從C＃中的字符串中提取所需的數據

Question

我有一個網頁。 如果查看頁面的“視圖源”，則會發現以下語句的多個實例：

<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>

我想這樣提取數據：

statement 1
statement 2
statement 3

為此，我制作了一種方法“ GetContent ”，該方法以“ URL”作為參數，並將網頁源的所有內容復制到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();
}

現在，我想創建一個方法“ GetMyList ”，它將提取我想要的列表。 我正在尋找可能適合我的目的的正則表達式。 非常感謝您的幫助。

Answer 1

使用HTML AgilityPack ，這真的很容易...

  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，如果您要使用正則Regex ，請嘗試以下操作：

            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);
            }

Answer 2

Hosseins的答案幾乎是解決方案（如果您有此選擇，我建議您使用解析器），但是帶有不捕獲括號的正則表達式?:將根據需要將提取的數據statement 1或statement 2帶給您：

IEnumerable<string> GetMyList(string str)
{
    foreach(Match m in Regex.Matches(str, @"(?:<td.*?>)(.*?)(?:<\/td>)"))
        yield return m.Groups[1].Value;
}

有關更多詳細說明 ，請參見regex101中的解釋 。