Html Parser - C# Regex html 标签（div、img、a、h5 等）加上属性答案

【问题标题】：Html Parser - C# Regex html tags (div, img, a, h5 etc) plus attributesHtml Parser - C# Regex html 标签（div、img、a、h5 等）加上属性
【发布时间】：2023-03-10 01:19:01
【问题描述】：

Html Parser - C# Regex html tags content >me im the content

您可能会问为什么要这样做。我继承了原型代码来执行短语替换，例如 Home -> Casa。（西班牙语）。你可以想象我有很多短语（350 个和上升），例如“添加新联系人”，它们的长度和字数各不相同。

第一个要求：需要一个正则表达式来提取标签内容。输出必须是：这是正则表达式要匹配的内容这将允许我进一步操作字符串以执行短语替换。

第二个要求：这里是正则表达式要匹配的内容/> 需要一个正则表达式来提取属性标签内容，例如：输出必须是：

请不要回复使用 HTML 敏捷包。我有不允许我查看的定制要求 a：格式良好的文件。湾。客户端 XSL 转换 C。决定内容的 XML 数据孤岛。

string file = @"<html>
        <body>
            <input class='moth'>Add New Organisation  </>
<input class='moth'>Org&#160;role
 </>
         </body>
           </html>";

string searchText = "Add New Organisation";

<([\d\w]*)\b[^>]*>([\d\w\s]*?{0}[\d\w\s]*)

所以任何人都可以提供帮助。到目前为止，我一直在使用这个正则表达式..

 var myContentMatches = new List<string>
            (Regex.Matches(file, regExpressionContent.ToString(),
            RegexOptions.IgnoreCase
                | RegexOptions.IgnorePatternWhitespace
                | RegexOptions.Multiline)
            .Cast<Match>().Select(pp => pp.ToString()));

我尽量不在这里过多地提出问题。需要任何进一步的信息，请询问。一段时间以来，我一直在努力反对速度和正确匹配。

【问题讨论】：

我不明白您所说的三个要求如何阻止您使用 HTML Agility Pack。
HAP 处理格式错误的文档，不进行客户端 XSL 转换，将按原样解析 XML 数据岛。
使用 HAP 很容易做到这一点。没有正当理由排除正确答案是愚蠢的。用正则表达式解析 HTML 非常愚蠢。

标签： c# html regex parsing phrase

【解决方案1】：

HTML 不是正则语言，不能用正则表达式解析。我不认为有一个不利用现有库来解析 HTML 的实际解决方案。

这是 StackOverflow 上投票率最高的问题/答案组合之一，我建议您阅读：RegEx match open tags except XHTML self-contained tags

【讨论】：

陷入了一个角落:(检查。我已经知道明天我需要测试的另一种方法。我目前正在使用用 c# 编写的 httpModule。我将尝试覆盖flush方法并确保我拥有完整的响应流，例如完整的html文档，然后对字符串执行替换。此时HAP可能是一个选项。但是有谁知道HAP如何处理部分来自 ASP:UpdatePanel 的 ajax 回发？

【解决方案2】：

我正在结束这个问题，使用 HAP 已经解决了我的一部分要求。谢谢大家的建议。

【讨论】：