正则表达式匹配集合多个匹配

Question

我想要提取在<td>和</td>之间的所有文本，但我只得到了集合中的第一个匹配结果。我需要添加*或其他什么吗？这是我的代码。

string input = @"<tr class=""row0""><td>09/08/2013</td><td><a href=""/teams/nfl/new-england-patriots/results"">New England Patriots</a></td><td><a href=""/boxscore/2013090803"">L, 23-21</a></td><td align=""center"">0-1-0</td><td align=""right"">65,519</td></tr>";

string pattern = @"(?<=<td>)[^>]*(?=</td>)";
MatchCollection matches = Regex.Matches(input, pattern);
foreach (Match match in matches)
{
    try
    {
        listBoxControl1.Items.Add(matches.ToString());
    }
    catch { }
}

- Trey Balut

---

不要这样做。那是HTML，不要尝试用正则表达式去处理它。 - pguardiario

https://dev59.com/X3I-5IYBdhLWcg3wq6do#1732454 - Sriram Sakthivel

请查看http://nsoup.codeplex.com/，这是JSoup的C#移植版。 - HectorLector

Answer 1

使用以下正则表达式：

string input = "<tr class=\"row0\"><td>09/08/2013</td><td><a href=\"/teams/nfl/new-england-patriots/results\">New England Patriots</a></td><td><a href=\"/boxscore/2013090803\">L, 23-21</a></td><td align=\"center\">0-1-0</td><td align=\"right\">65,519</td></tr>";

string pattern = "(<td>)(?<td_inner>.*?)(</td>)";

MatchCollection matches = Regex.Matches(input, pattern);

foreach (Match match in matches) {
    try {
        Console.WriteLine(match.Groups["td_inner"].Value);
    }
    catch { }
}

- Gary C.

Answer 2

HTML（除了XHTML）不是严格的，即在某些情况下

• 您可以拥有没有结束标记的标签。
• 您可以拥有嵌套标记。

正则表达式不适用于解析这样复杂的语法。 您需要使用解析器。

使用 htmlagilitypack 解析器

您可以使用此代码使用 HtmlAgilityPack 来检索它

HtmlDocument doc = new HtmlDocument();
doc.Load(yourStream);

var tdList = doc.DocumentNode.SelectNodes("//td")
                  .Select(p => p.InnerText)
                  .ToList();

- Anirudha

Answer 3

我在这里找到了一个解决方案http://geekcoder.org/js-extract-hashtags-from-text/，作者是Nicolas Durand——它似乎运行得相当好：

#[^ :\n\t\.,\?\/’'!]+

祝好，Phil

- Philipp P