C#正则表达式解析跨度[重复]答案

【问题标题】：C# regex parse span [duplicate]C#正则表达式解析跨度[重复]
【发布时间】：2013-12-16 14:39:34
【问题描述】：

我有一个要求，我只需要从此 HTML 获取链接

"<span class=""name""><a href=Details.aspx?entityID=1&hash=20&searchFunctionID=53b&type=Advanced&nameSet=Entities&q=a&textSearchType=ExactPhrase&orgTypes=01%2c02%2c03%2c04%2c05%2c06%2c07%2c08%2c09%2c10%2c11%2c12%2c13%2c14%2c15%2c16%2c90%2c96%2c98%2c99> GOOGLE CORPORATION  </a> </span>  <br /> <span class=typeDescription>  09  -  Analytics Company </span>"

我需要的输出是

Details.aspx?entityID=1&hash=20&searchFunctionID=53b&type=Advanced&nameSet=Entities&q=a&textSearchType=ExactPhrase&orgTypes=01%2c02%2c03%2c04%2c05%2c06%2c07%2c08%2c09%2c10%2c11%2c12%2c13%2c14%2c15%2c16%2c90%2c96%2c98%2c99

我用过

string sPattern ="[<a href=](.*?(99))";
MatchCollection mcMatches = Regex.Matches(input,sPattern);
foreach (Match m in mcMatches)
{
   Console.WriteLine(m.Value);
}

这没有给我正确的输出。谁能指出我正确的方向。

【问题讨论】：

用正则表达式解析 HTML？ Bad idea! 相反，为什么不使用适当的 HTML 解析器，例如 Html Agility Pack？
请不要使用 RegEx 解析 HTML。

标签： c# html regex

【解决方案1】：

如上所述，使用 Regex 解析 HTML 是 not very good idea。我建议你使用HtmlAgilityPack（你可以从 NuGet 获得）：

HtmlDocument hdoc = new HtmlDocument();            
hdoc.LoadHtml(@"<span class=""name""><a href=Details.aspx?entityID=1&hash=20&searchFunctionID=53b&type=Advanced&nameSet=Entities&q=a&textSearchType=ExactPhrase&orgTypes=01%2c02%2c03%2c04%2c05%2c06%2c07%2c08%2c09%2c10%2c11%2c12%2c13%2c14%2c15%2c16%2c90%2c96%2c98%2c99> GOOGLE CORPORATION  </a> </span>  <br /> <span class=typeDescription>  09  -  Analytics Company </span>");
var href = hdoc.DocumentNode.SelectSingleNode("//a").Attributes["href"].Value;

它为您提供href 属性的值。

【讨论】：

【解决方案2】：

正如 Shaamaan 所说，Regex 不是解析 HTML 的正确方法，对于您给出的示例，一个更好的 Regex 会是，尽管不能保证它总是有效：

(?:<a href=)([^">]*)

【讨论】：