正则表达式获取HTML标记中的内容（C#）

正则表达式获取HTML标记中的内容（C#）


//=====================Begin1========================


//试验字符串


string strTmp = string.Empty;


//正则表达式


string tmpStr = string.Empty;




//取出指定HTML标记中的匹配项的值RegexOptions.IgnoreCase忽略大小写，RegexOptions.Multiline忽略多行显示，


//tmpStr = "<title>([^<]*)</title>" //获取<title>之间内容




strTmp = @"<add key='ConnectionString' value='server=localhost;database=数据库名;uid=sa;pwd=;pooling=true'/>";


//获取“database=”与“;”号之间的字符串：database=(.*);


tmpStr = "database=([^;]*);";


Match TitleMatch = Regex.Match(strTmp, tmpStr ,RegexOptions.IgnoreCase | RegexOptions.Multiline );




//如下例子作语法参考用获取size的值，实际应用可能不会如此复杂


strTmp = "><font color='red' size=6>WebForm3</font><" ;


tmpStr = @"<(w+s+w+[=]+[']+w+[']+s+[size=]+d)>";


Match TitleMatch = Regex.Match(strTmp ,tmpStr , RegexOptions.IgnoreCase | RegexOptions.Multiline );






//取出匹配项的值


string tmpStrTitle = TitleMatch.Groups[1].Value;


//替换掉HTML页中所有HTML标记


Label1.Text=Regex.Replace(Label1.Text.Trim(),"<.+?>","")+"*********"+TitleMatch.Groups[1].Value;




//判断匹配正则表达式是否成功


if(Regex.Match(tmpStr,"<.+?>").Success)




...{


//操作


}


//=====================End1========================




//=====================Begin2========================


string webDocContent="<a href=http://www.xxx.xxx/college/pages/default.htm target=_blank>师资队伍</A>";


//解释下面正则表达式：[s]表示匹配空格字符，"+" 表示连接


string strPattern=@"a[s]+href=(?<Link>[^s>]+)[^>]*>(?<Text>[^<]*)</a>";


//获取链接显示的文字


MatchCollection Matches=Regex.Matches(webDocContent,strPattern,RegexOptions.IgnoreCase|RegexOptions.Compiled);


foreach(Match NextMatch in Matches)




...{


string URL=NextMatch.Groups["Link"].Value.ToString().Trim();


string URLText=NextMatch.Groups["Text"].Value.ToString().Trim();


Response.Write(URL+"****");


Response.Write(URLText);


}


//=====================End2========================




//=====================Begin3========================


string strPageContent = string.Empty;


StreamReader srPage = new StreamReader(@"e:save.txt",System.Text.Encoding.GetEncoding("gb2312"));


strPageContent = srPage.ReadToEnd();


srPage.Close();


//(/s)*表示0或多个空格符、回车符等，*表示比配0或多个。(.*?)表示除回车符外的所有信息


MatchCollection TitleMatchs = Regex.Matches(strPageContent, "<td width="85%" class="common_text">((/s)*(.*?)(/s)*(.*?)(/s)*(.*?)(/s)*(.*?)(/s)*)</td>", RegexOptions.IgnoreCase | RegexOptions.Multiline );


int tmpNum = 0;


//循环正则表达式所获取的，满足表达式的内容集合


foreach(Match NextMatch in TitleMatchs)




...{


++tmpNum;


Label1.Text += tmpNum + "<br>****" + NextMatch.Groups[1].Value;


}


//=====================End3========================