如何循环从字符串中删除文本？答案

【问题标题】：How to loop removing text from a string?如何循环从字符串中删除文本？
【发布时间】：2019-06-25 18:45:12
【问题描述】：

我希望从网站上获取定价信息。为此，我使用正则表达式来查找第一个“$”所在的所有实例。从那里我使用子字符串来获取接下来的 7 个字符，例如42,945 美元。我删除了“$”之前的所有文本，并对位于我通过For循环使用的网站上的不同 $ 金额值重复该过程多次。

我遇到的问题是在我修剪字符串然后转到下一个 $ 之后，重新创建了原始字符串。

这是我正在使用的代码：

WebClient client = new WebClient();
string allcontent = client.DownloadString("example.com");

string body = allcontent.Substring(140480,200000);

Regex rx = new Regex("[$]");

var numberCount = rx.Matches(body).Count;

string price = String.Empty;
string price2 = String.Empty;
int match = Int32.MaxValue;
string trimmed = String.Empty;

List<string> priceList = new List<string>();

for (int i = 0; i < numberCount; i++)
{

    trimmed = body;

    match = rx.Match(trimmed).Index;

    price = trimmed.Substring(match, 7);

    priceList.Add(price);

    trimmed = trimmed.Remove(0, match + 7);

}

Console.WriteLine(priceList[0]);
Console.WriteLine(priceList[1]);

Console.ReadKey();

假设字符串为：ABC $300 DEF $600 GHI $120 JKF $980

在第一次循环迭代后，我应该得到$300，在第二次循环中得到$600，依此类推。相反，我每次都收到$300。

如何解决这个问题以获得正确的值？

【问题讨论】：

在您的for 循环中，您在每个循环的顶部分配trimmed = body。另外，为什么不直接使用Regex.Matches 并使用适当的正则表达式拉出价格？
你可以简单地分割文本并解析字符串的每个开头，如this
foreach(Match match in Regex.Matches("ABC $300 DEF $600 GHI $120 JKF $980", @"\$\d+")) Console.WriteLine(match.Value);

标签： c# regex web-scraping

【解决方案1】：

现有代码从字符串的开头开始删除，而不是从匹配的位置开始。但我们可以简化这一点，使其更多地依赖于 RegEx 匹配提供的数据：

var priceList = new List<string>();
var rx = new Regex("[$]([0-9]{1,2},)?[0-9]{3}");

using (var client = new WebClient())
{
    string body = client.DownloadString("example.com").Substring(140480,200000);
    var matches = rx.Matches(body);

    foreach (var match in matches)
    {
        priceList.Add(match);
    }   
}

Console.WriteLine(priceList[0]);
Console.WriteLine(priceList[1]);

Console.ReadKey(true);

修改后的表达式将匹配整个价格值。你可以在这里看到它的工作原理：

https://dotnetfiddle.net/1DltMh

但即使是这段代码似乎也很脆弱。使用正则表达式解析 HTML 是 generally frowned upon。对您正在抓取的网站格式的任何微小更改都会严重破坏这一点。看看real HTML parser.，你可能会做得更好

【讨论】：