正則表達式，用於讀取HTML中的標簽

Question

<td width="100%"><h1>Chicago, IL Weather</h1></td>

我想在標簽h1中獲取文本。 為此，我想在C＃中使用正則表達式代碼。 有人可以告訴我解決方案嗎？

Answer 1

    System.Text.RegularExpressions.Regex bodyRegex = new System.Text.RegularExpressions.Regex(@"(<h1[^>]*>[\u0000-\uFFFF]+?</h1>)");
System.Text.RegularExpressions.Match bodyMatch = bodyRegex.Match(line);
        if (bodyMatch.Success)
          {
           FileContent = bodyMatch.Result("$0");
           FileContent = (FileContent.Replace(@"<h1>", "")).Replace(@"</h1>", "");
}

通過此操作，您可以找到第一個h1標簽值

Answer 2

試一試

String h1Regex = "<h1[^>]*?>(?<TagText>.*?)</h1>";

MatchCollection mc = Regex.Matches(Data, h1Regex, RegexOptions.Singleline);

foreach (Match m in mc) {
    Console.Writeline (m.Groups["TagText"].Value);
}

Answer 3

為什么要使用Regex，我知道這是最快的方法，但是它也有缺點，例如：1.弄亂了代碼的可讀性，

1. 如果您的html文件發生了更改，那么編寫新的正則表達式將非常痛苦，

除非您絕對需要，否則請離開regex並使用HTML解析器（如上述HTMLAgilityPack）。