C#中的正则表达式解析错误答案

【问题标题】：regexp parsing error in C#C#中的正则表达式解析错误
【发布时间】：2017-11-29 02:37:13
【问题描述】：

我有包含此类文本的 html

.......
<a class="product_name" href="index.php?productID=29785">Funny</a>
........
<a class="product_name" href="index.php?productID=29787">Very Funny</a>
......

我想 href 属性值和文本进入链接所以我想得到

"index.php?productID=29785", "Funny"
"index.php?productID=29787", "Very Funny"

我用

MatchCollection mc = Regex.Matches(pageData, 
   "<a class=\"product_name\" href=\"(.+)\">(.+)</a>");

为此。但是当我调试代码时，我看到 mc.Count = 0

我认为我没有正确地转义引号，但我不知道。

【问题讨论】：

用正则表达式解析 html 并不是一个好主意
我在这里得到 count=2，顺便说一句，捕获组按预期工作。显示的正则表达式适用于显示的 html。如果它不起作用，那么要么 a：您没有以相同的方式呈现场景，要么 b：html 更复杂，由于您不应该使用 regex 解析 html 的所有原因，它变得异常困难
同意。它也适用于这里 (regexhero.net/tester)

标签： c# .net regex

【解决方案1】：

不要使用正则表达式解析 HTML。请参阅here 了解令人信服的原因。

请改用HTML Agility Pack。

【讨论】：

Regex 不适合解析 html，但我不会为这样一个简单的任务在我的项目中添加新的依赖项。
@L.B - 那你有什么建议？编写自己的解析器/标记器？
@L.B - 你似乎在自相矛盾。 “Regex 不适合解析 html” ... “我会使用 Regex”.

【解决方案2】：

查看以下主题以找到可能的解决方案：

http://www.dotnetperls.com/scraping-html

Regex to Parse Hyperlinks and Descriptions

Parse HTML links using C#

【讨论】：

-1 - stackoverflow.com/questions/1732348/…