有人能帮我为这个 HTML 标签制作 regx 吗？
<h1 class="c-product__title">
هندزفری بلوتوث مدل HBQ-I7
<span>HBQ-I7 Bluetooth Handsfree</span></h1>
我要提取 "هندزفری بلوتوث مدل HBQ-I7"和"HBQ-I7蓝牙免提"
谢谢
【问题讨论】：
<h1 class="c-product__title"> 或 <span> 会改变吗？
var source = @"<h1 class=""c-product__title"">هندزفری بلوتوث مدل HBQ-I7<span>HBQ-I7 Bluetooth Handsfree</span></h1>";
var regex = new Regex(@"product__title"">(?<farci>.+)<span>(?<english>.+)</span>");
var match = regex.Match(source);
这将返回 3 个组，第一个匹配整个正则表达式，然后再返回 2 个，一个用波斯语称为 farci，第二个用英语版本称为英语。
只有当它们都在同一行时才有效。如果你有换行符，那么它将不起作用。
如果您可以将 html 视为 xml 并使用 Linq 可能更容易，那么换行符不是问题。
【讨论】：
string html = @"<h1 class=""c-product__title"">
هندزفری بلوتوث مدل HBQ-I7
<span>HBQ-I7 Bluetooth Handsfree</span></h1>";
string h1Start = @"<h1.*?>"; // h1 tag, with or without attributes
string spanStart = @"<span.*?>"; // span tag, with or without attributes
string spanEnd = @"</span>"; // span closing tag
string text = @"\s*(.+)\s*"; // there MIGHT be whitespace before and/or after the text
var regex = new Regex($"{h1Start}{text}{spanStart}{text}{spanEnd}");
Match match = regex.Match(html);
if (match.Success)
{
string persianText = match.Groups[1].Value.Trim();
string englishText = match.Groups[2].Value.Trim();
}
认为在这种特殊情况下，HtmlAgilityPack 是比正则表达式更好的选择来解析 HTML 片段。
例子：
using System;
using System.Linq;
using HtmlAgilityPack;
namespace HtmlAgilityPackDemo
{
class Program
{
static void Main(string[] args)
{
string html = @"<h1 class=""c-product__title"">
هندزفری بلوتوث مدل HBQ-I7
<span>HBQ-I7 Bluetooth Handsfree</span></h1>";
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);
var text = (from node in doc.DocumentNode.ChildNodes
let textNode = node.SelectSingleNode("//text()") // selects the text
let spanNode = node.SelectSingleNode("span")
select new
{
PersianText = textNode.InnerText.Trim(),
EnglishText = spanNode.InnerText.Trim()
})
.FirstOrDefault();
Console.Read();
}
}
}
【讨论】：
如果您在 C# 代码中将 HTMLTag 作为字符串，您可以尝试使用 .split() 方法来提取您想要/需要的部分。例如：
String htmlTag = " < h1 class=\"c-product__title\"> هندزفری بلوتوث مدل HBQ-I7 <span> HBQ-I7 Bluetooth Handsfree</span></h1>";
string[] htmlTagSplitted = htmlTag.Split('<');
string[] htmlTagSplitted2 = new string[20];
string[] htmlTagSplitted3 = new string[20];
htmlTagSplitted2 = htmlTagSplitted[1].Split('>');
htmlTagSplitted3 = htmlTagSplitted[2].Split('>');
Console.WriteLine(htmlTagSplitted2[1] + htmlTagSplitted3[1]);
htmlTagSplitted2[1] 包含您想要的字符串的第一部分，而 htmlTagSplitted3[1] 第二部分。我知道这不是正则表达式，也不是漂亮的语法，但它确实有效:-D
最好的问候尼科！
【讨论】：