用正则获取网页中的标签内容

     有个同事想要从html网页标签中提取特定内容，让我帮忙看看。我研究了下，做了个小工具。

    目标：匹配出  <p><label id="catalog_FUND">基金：</label> 这个p标签里面的a标签的内容

    解决方案：由于一次性匹配出来，难度太大，因此可分为两步走，首先获取这个p标签里面的所有a标签，如下图所示：

 

     

然后，再从这些a标签中获取内容，如图：

 

正则：

<p><label id="catalog_FUND">基金：</label>((<a[^><]*>([^><]*)</a>)*?)</p>

<a[^><]*>([^><]*)</a>

由上面正则可以看出，用的最多的就是[^><]*不包括尖括号的任意多个字符，？表示非贪婪模式，表示在满足匹配的情况下，尽可能少的匹配a标签。

 附小工具的后台代码：

 1  private void Readtxt_Click(object sender, RoutedEventArgs e)
 2         {
 3             //从当前目录获取文件
 4 
 5             string dir = Environment.CurrentDirectory;
 6 
 7             string path = dir + @"\Content.txt";
 8 
 9             if (File.Exists(path))
10             {
11                 var content = File.ReadAllText(path, Encoding.Default);
12 
13                 this.orginText.AppendText(content);
14             }
15         }
16 
17         private void testMatch_Click(object sender, RoutedEventArgs e)
18         {
19             TextRange textRange = new TextRange(orginText.Document.ContentStart, orginText.Document.ContentEnd);
20             var content = textRange.Text;
21             var pattern = regular.Text;
22 
23             if (pattern != "" && content != "")
24             {
25                 if (Regex.IsMatch(content, pattern, RegexOptions.IgnoreCase | RegexOptions.Multiline))
26                 {
27                     MessageBox.Show("ok");
28                     var maches = Regex.Matches(content, pattern, RegexOptions.IgnoreCase | RegexOptions.Multiline);
29                     if (maches.Count > 0)
30                     {
31                         foreach (Match item in maches)
32                         {
33                             if (item.Success)
34                             {
35                                 if (item.Groups.Count > 0)
36                                 {
37                                     ResultText.AppendText(item.Groups[1].Value);
38                                 }
39                             }
40                         }
41                     }
42                 }
43                 else
44                 {
45                     MessageBox.Show("fail");
46                 }
47             }
48         }

 

转载于:https://www.cnblogs.com/wangqiang3311/p/7741601.html