C# 正则表达式提取html中的文本
是这样的，我想提取在一个网页的所有的html代码中提取特定的html代码中的文本。比如说下面的这个：
<h1 id="artibodyTitle" pid="1" tid="1" did="25820705" fid="1666">value</h1>
想提取到这两个标记中的value部分的具体字符串，然后赋值给string型的s1变量。
然后提取下面的这个：
<div class="blkContainerSblkCon BSHARE_POP" id="artibody">
<!-- 视频小点大播放器_正文上方显示 -->
<!-- publish_helper name='原始正文' p_id='1' t_id='1' d_id='25820705' f_id='3' -->
<p>text1</p>
<p>text2</p>
<p>text3</p>
<p>text4</p>
<p>text5</p>
<p align="right">text6</p>
<!-- publish_helper_end -->
</div>
把上面<div class="blkContainerSblkCon BSHARE_POP" id="artibody">和</div>
中间的部分取出来给string型的s2变量。
然后把<div class="blkContainerSblkCon BSHARE_POP" id="artibody">和</div>中间的，去掉<p></p>的部分，这样只有文本的部分给string型的s3变量。
分别写出三个的正则表达式和实现的具体的c#代码。
谢谢各位大神了。
先给这么多分数，答得好了再追加。谢谢了。
{
String s = @"<Body>
<div>è¿éæ¯è¦ååºçææ¬A <img src=""/>è¿éæ¯è¦ååºçææ¬B <a href="">è¶ é¾æ¥éçææ¬ä¸ååº </a>è¿éæ¯è¦ååºçææ¬C </div>
<body>";
Regex regex = new Regex( "(/?\\w+)[^>]*>([^<]*)<", RegexOptions.IgnoreCase );
MatchCollection ms = regex.Matches( s );
foreach( Match m in ms )
{
string tagName = m.Groups[1].Value.ToLower();
string text = m.Groups[2].Value.Trim();
if( tagName != "a" && text.Length > 0 )
Console.WriteLine( text );
}
}
ç»æï¼
è¿éæ¯è¦ååºçææ¬A
è¿éæ¯è¦ååºçææ¬B
è¿éæ¯è¦ååºçææ¬C
去找一个叫HtmlAgilityPack的组件，然后使用xpath查找节点，比使用正则容易得多了。
第二个问题，[^^]*?
第三个问题，(?<=<p>).*?(?=<p>)
其他的你参照一下吧。一楼已经说的基本差不多了。把正则换一下就行了。本回答被提问者采纳
其他两个呢。方法是一样么，其他的两个的正则怎么写呢？~
追答string code = "\r\n\r\n\r\ntext1
\r\ntext2
\r\ntext3
\r\ntext4
\r\ntext5
\r\ntext6
\r\n\r\n";
string rc = new Regex("((:?.|\r|\n)*)").Match(code).Value;
string s2 = rc.Substring("\r\n".Length,rc.Length - "".Length - "\r\n".Length);
string s3 = new Regex("(?<=).*?(?=
)").Replace(s2,string.Empty)
########测试通过
string r1 = "(?)((:?.|\r|\n)*)(?=)";
string s2 = Regex.Match(ss,r1).Groups[1].Value;
我是这样写的，但是每次执行程序都会死掉。单步调试发现是执行到第二句，string s2开始就不行了。麻烦能不能看看怎么回事，请问能留个QQ么。详细问一下。谢谢。
我测试了下，发现没错，我这里的程序没有死掉啊...看看ss的值有没有与你的意思符合和Groups的数量有没有超过2...