正则表达式 HTML 帮助

Question

大家好，我需要一些帮助来找出RegEx 用于在 HTML 标记的标签中查找值的公式，如下所示：

<span class=""releaseYear"">1993</span>
<span class=""mpaa"">R</span>
<span class=""average-rating"">2.8</span>
<span class=""rt-fresh-small rt-fresh"" title=""Rotten Tomatoes score"">94%</span> 

我只需要上面那个 HTML 中的 1993、R、2.8 和 94%。

任何帮助都会很棒，因为在形成这些东西之一时我没有太多知识。

Answer 1

不要使用正则表达式来解析 HTML。使用 HTML 解析器。有一个不错的here。

Answer 2

如果您已经在字符串中包含 HTML：

string html = @"
<span class=""releaseYear"">1993</span>
<span class=""mpaa"">R</span>
<span class=""average-rating"">2.8</span>
<span class=""rt-fresh-small rt-fresh"" title=""Rotten Tomatoes score"">94%</span>
";

或者您可以直接从 Internet 加载页面（省去 5 行流和请求）：

HtmlWeb web = new HtmlWeb();
HtmlDocument doc = web.Load("http://www.rottentomatoes.com/m/source_code/");

使用 HTML 敏捷包：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);
HtmlNodeCollection spans = doc.DocumentNode.SelectNodes("//span");

现在您可以遍历它们，或者简单地获取每个节点的文本：

IEnumerable<string> texts = spans.Select(option => option.InnerText).ToList();

或者，您可以搜索您所追求的节点：

HtmlNode nodeReleaseYear = doc.DocumentNode
                              .SelectSingleNode("//span[@class='releaseYear']");
string year = nodeReleaseYear.InnerText;