我们要解析个HTML文档时可利用正则表达式取得标签内容
例子:
以从串中取出所有A标签 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:
[^<]*　是个很有用组合,能定位到下个查询关键字
(?<ID>[^<]*) 用于取得个或者多个值直到遇到下个关键字
<ID>　类似个正则变量给用号取得内容进行标识以便于
C#例子:
strRegex=@"<a[^<]*id[^<]*=[^<]*"(?<ID>[^<]*)"[^<]*target[^<]*=[^<]*"[^<]*_blank[^<]*" [^<]*>(?<CONTENT>[^<]*)</a>";
strSource="<a id=\"1\" target=\"_blank\">aaaaaaaaaa</a>"
.Text.RegularExpressions.Regex r;
.Text.RegularExpressions.MatchCollection m;
mc= .Text.RegularExpressions.Regex(strRegex, .Text.RegularExpressions.RegexOptions.IgnoreCase);
ro = mc.Matches(strSource);
(ro.Count >= 0)
{
for ( i = 0; i < m.Count; i)
{
//取出ID和内容
id = ro[i].Groups["ID"].Value;
topic = ro[i].Groups["CONTENT"].Value;
}
}