如何使用正则表达式提取带有 html 内容的数据？答案

【问题标题】：How to use regular expression to extract data with html content?如何使用正则表达式提取带有 html 内容的数据？
【发布时间】：2012-12-07 04:49:42
【问题描述】：

我有以下 html 内容，我只想使用正则表达式提取 ID，例如 31673 31672 3166 316。

<a href="/CaseMgrTesting/Pat/Summary/31673">31673</a>
<a href="/CaseMgrTesting/Pat/Summary/31672">31672</a>
<a href="/CaseMgrTesting/Pat/Summary/3166">3166</a>
<a href="/CaseMgrTesting/Pat/Summary/316">316</a>

我创建如下正则表达式，不幸的是它只返回 31673 31672。我还想删除像 href="/CaseMgrTesting/Pat/Summary/ 和 \d\d\d\d\d 这样的硬代码，任何人都可以给我正确的正则表达式将不胜感激。

(?<=<a\shref="/CaseMgrTesting/Pat/Summary/\d\d\d\d\d">).*(?=</a>)

【问题讨论】：

简单：你不知道。您将使用 HTML 解析器。
您是否尝试使用正则表达式来解析 html？如果是这样，您可能想阅读以下内容：stackoverflow.com/questions/1732348/…
每次您使用正则表达式进行 HTML 解析时，另一位 Web 开发人员都会突然产生连续七年在角落里默默哭泣的冲动。
另外，不是要精确匹配最多五位数字吗？我对正则表达式仍然生疏，无法谈论太多。这也许可以解释为什么你只得到五个。
就像@CBredlow 说的：(?<=<a\shref="/CaseMgrTesting/Pat/Summary/\d+">).*(?=</a>)

标签： asp.net html regex html-parsing

【解决方案1】：

您的一站式答案是 Html Agility Pack。这个漂亮的必备工具允许您按节点处理 HTML。学习它。活下去。喜欢它。

【讨论】：

感谢温博！！！我相信“Html Agility Pack”是一种在 html 代码中提取数据的好方法。我会学习的。实际上，我提出以上问题的目的是学习正则表达式，这让我很头疼但非常强大。多年来我讨厌正则表达式，但最近我发现我的天才前经理的代码在使用它，3 行验证代码涵盖了非常非常复杂的逻辑。

【解决方案2】：

<a .*?>(.*)</a>

对这个问题使用这个正则表达式。简单的一试。

【讨论】：

好答案。我编辑了你的答案，因为你没有缩进代码，这导致了一些不可见的代码。

【解决方案3】：

使用这个（正则表达式的更新答案）：

<a .*?>(.*?)</a>

其中重要的部分是* 之后的?。这将使.*（匹配所有）非贪婪，否则您最多只能匹配一个。

【讨论】：