html正则表达式总结

1.识别<br>标记，

例：合法：<br> <br > <br /> </br > 非法 < br> </ br> < /br>

Regex reg = new Regex(@"(?i)<[//]?br[/s/t/r/n]*[//]?[/s/t/r/n]*>");

 

 

2.识别img标记中的src值(下面这个方法只能识别引号中的src,未被引号包围的src无法识别。)

 

Regex regImg = new Regex(@"(?is)<img[^>]*?src[/s]*=[/s]*[/""/'](?<imgSrc>[^/""/']*)[/""/'][^>]*>");

MatchCollection matchs = regImg.Matches(strHtml);
foreach (Match m in matchs)
{
       string strSrc = m.Groups["imgSrc"].Value.ToString();

}

 

 

 

3.作业题：捕捉<p></p>标记中的内容。

 

4.剔除注释标记的内容,删除所有的<!-- -->部分？

 

result = Regex.Replace(result, "(?s)<!--.*?-->", string.Empty);

 

解析：

(1)开头处的(?is)

i表示忽略大小写，

s表示单行模式，改变点号[.]的含义，一般情况下表示除了换行/n之外的任意字符。单行模式下.可以表示任意字符。

(2)?-->

?表示非贪婪模式的定义，表示匹配第一个-->.