REGEX - 查找具有特定类的 td，包括嵌套表答案

【问题标题】：REGEX - Find td with specific class, including nested tablesREGEX - 查找具有特定类的 td，包括嵌套表
【发布时间】：2009-07-09 12:57:55
【问题描述】：

我必须解析一段 HTML。有点像：

<table>
   <tr>
     <td class="blabla"> <table><tr><td><table><tr><td></td></tr></table></td></tr></table>
     </td>
   </tr>
  <tr>
     <td class="blabla"> <table><tr><td></td></tr></table>
     </td>
   </tr>
</table>

我需要用blabla 类提取每个td，但这些单元格中的每一个都可以有0 个或多个嵌套表，其中包含许多嵌套的td。我想得到

<td class="blabla"> ... many nested stuff ... </td>

谢谢

【问题讨论】：

你不清楚你想从这里返回什么

标签： .net html regex winforms

【解决方案1】：

不要尝试使用正则表达式解析 HTML。你不能编写一个匹配你想要的表达式，因为 HTML 不是正则的。

在您的语言提供的库中使用 HTML/XML 解析器。 System.Xml 有许多有用的类，可让您打开文件并使用 XPath 查询它。

您要查找的 XPath 表达式是

//td[@class="someClass"]

【讨论】：

不确定 .net 的实现，但不会是 //td[@class="someClass"]
这就是我们最后所做的。

【解决方案2】：

如果您需要进行扩展 html 解析，我建议您使用 Html Agility Pack 而不是正则表达式。 HAP 从 html 页面构建 xml 文档，因此您可以使用 XPath 查找特定节点。

【讨论】：

【解决方案3】：

为什么不使用 css 选择器？

【讨论】：

它在一个 .NET win 应用上，用于解析文本。
@Gidon：不要将 HTML 视为文本。

【解决方案4】：

([tT][dD]\sclass=\"blabla\")

【讨论】：

【解决方案5】：

您会寻找类似于 /<td\sclass=\"(.*?)\">/ 的正则表达式，但我不知道如何在 .net 中执行此操作。

但是，由于 HTML 的形成方式很糟糕，正则表达式不是解析的好选择。有更好的工具可以做到这一点。

如前所述，使用 XPath 将是使用 //td[@class="someClass"] 实现此目的的好方法。这将为您提供 td 节点。然后您可以获取其中的内容并根据需要进行处理

【讨论】：

【解决方案6】：

你不能仅仅使用正则表达式来做到这一点，因为它太复杂了。即使使用前瞻匹配，正则表达式也必须动态更改，因为您必须根据在您想要的 <td> 之后找到多少 <td> 来增加您正在寻找的 </td> 的数量。

【讨论】：