从 C# 中的 HTML 响应中解析 javascript 值答案

【问题标题】：Parse javascript value from HTML response in C#从 C# 中的 HTML 响应中解析 javascript 值
【发布时间】：2013-09-14 10:36:50
【问题描述】：

我实际上正在构建一个应用程序，通过在 .NET 4.5 中使用 HttpClient，我向网页（不是我的网页）发送 GET 请求，并在内容中收到此响应：

<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xmlns:widget="http://www.netvibes.com/ns/">
<head>  
<meta http-equiv="content-type" 
      content="text/html;charset=utf-8" />
<script type="text/javascript">var NREUMQ=NREUMQ||[];NREUMQ.push(["mark","firstbyte",new Date().getTime()]);</script><title>Site</title>

<script type="text/javascript">
var HOST_DOMAIN = 'http://www.site.com/';
var ID = '2261443944';
var BASE_URL = 'https://base.site.com';
</script>

  </head>
    <body >
    </body>
</html>

我想做的是以某种方式使用 .NET 4.5 库从头部的 js 脚本中解析值 HOST_DOMAIN、ID 和 BASE_URL，但我找不到方法。有什么想法吗？

【问题讨论】：

你可以简单地使用像var HOST_DOMAIN = '([^']+)';这样的正则表达式
msdn.microsoft.com/en-us/library/ms228630.aspx
@Yogu 通过使用正则表达式，我只能看到上面的字符串是否包含在我的回复中，而不是将其值 ('site.com/') 存储在变量中。但是，我在正则表达式方面的经验并不多，所以如果您能扩展您的答案，我将不胜感激。

标签： c# javascript html parsing variables

【解决方案1】：

使用正则表达式捕获组中的 url。

  string pattern = @"var HOST_DOMAIN = '([^']+)';";
  Match match = Regex.Matches(html, pattern)).FirstOrDefault();
  if (match != null)
      return match.Groups[1].Value;

说明：括号定义了正则表达式中的一个组，该组存储在匹配项的Groups 属性中。

可能的问题：如果 url 包含转义的撇号，则不起作用。

【讨论】：

【解决方案2】：

用于主机名的正则表达式

var ValidHostnameRegex = "^(([a-zA-Z0-9]|[a-zA-Z0-9][a-zA-Z0-9\-]*[a-zA-Z0-9])\.)*([A-Za-z0-9]|[A-Za-z0-9][A-Za-z0-9\-]*[A-Za-z0-9])$";

参考链接：Stack Overflow Hostname Regex

然后用于数字使用 Reg Ex Number

以及如何在 javascript 中使用 reg ex How to use regex in js

【讨论】：