使用正则表达式在多行之间抓取文本

Question

我正在尝试从这个 HTML 页面代码中获取标签之前的单词 Juwelier。

我不太擅长正则表达式，尤其是在多行上使用它。 不会是动态的东西：

• <p>Rubriek:
• class="category"
• 当然还有像<p> , </p> , <a> , </a>这样的html标签

这是 HTML 页面代码

    <p>Rubriek: 

      <a href="http://www.detelefoongids.nl/juwelier/4-1/?oWhat=Juwelier"
         title="Juwelier"
         class="category">
           Juwelier
      </a>
   </p>

Answer 1

下面的正则表达式是您可以使用的众多表达式之一。
它使用零宽度正向后视(?<=) 和前向(?=) 断言来定位目标字符串。

Dim str As String = _
"<p>Rubriek:" & vbCrLf &
"  <a href=""http://www.detelefoongids.nl/juwelier/4-1/?oWhat=Juwelier""" & vbCrLf &
"     title = ""Juwelier""" & vbCrLf &
"     class=""category"">" & vbCrLf &
"       Juwelier" & vbCrLf &
"  </a>" & vbCrLf &
"</p>"

Dim match As Match = Regex.Match(str, _
    "(?<=<p>Rubriek:[^>]+?class=""category"">\W*)\w+(?=\W*</a>)")

If (match.Success) Then
    MsgBox(match.Value)
End If

虽然上面没有使用，但在尝试匹配多行时要记住的重要一点是，如果要使用通配符元字符 .，请使用单行模式，以便匹配每个字符 包括换行符。这可以使用RegexOptions.Singleline 或将(?s) 放在正则表达式的开头来指定。

\w+ 用于匹配一个或多个单词字符，即a-zA-Z0-9_
\W* 用于匹配零个或多个非单词字符。
[^>] 用于匹配以下字符不是>。