我们要解析一个HTML文档时可利用正则表达式取得标签内容
例子：
以从字符串中取出所有A标签的 id号和内容为例：
<a id="1" target="_blank">aaaaaaaaaa</a>
正则表达式：
<a[^<]*id[^<]*=[^<]*"(?<ID>[^<]*)"[^<]*target[^<]*=[^<]*"[^<]*_blank[^<]*" [^<]*>(?<content>[^<]*)</a>
正则分解：
[^<]*　是一个很有用的组合,能定位到下一个查询关键字
(?<ID>[^<]*) 用于取得一个或者多个值直到遇到下一个关键字
<ID>　类似一个正则的变量，给用()号取得的内容进行标识，以便于程序的调用
C#调用的例子：
string strRegex=@"<a[^<]*id[^<]*=[^<]*"(?<ID>[^<]*)"[^<]*target[^<]*=[^<]*"[^<]*_blank[^<]*" [^<]*>(?<CONTENT>[^<]*)</a>";
string strSource="<a id=\"1\" target=\"_blank\">aaaaaaaaaa</a>"
System.Text.RegularExpressions.Regex r;
System.Text.RegularExpressions.MatchCollection m;
mc= new System.Text.RegularExpressions.Regex(strRegex, System.Text.RegularExpressions.RegexOptions.IgnoreCase);
ro = mc.Matches(strSource);
if (ro.Count >= 0)
{
for (int i = 0; i < m.Count; i++)
{
//取出ID和内容
string id = ro[i].Groups["ID"].Value;
string topic = ro[i].Groups["CONTENT"].Value;
}
}

评论 (0) All

登陆 还没注册？