代码之家 › 专栏 › 技术社区 › djdd87

如何使用Regex从一些文本中提取脚本标记?

c#-2.0 regex c#

2

djdd87 · 技术社区 · 16 年前

我对Regex不是很了解,我正在尝试从一些提取的页面文本中获取所有脚本标记。我尝试了以下模式:

<script.*?>.*?</script>

但这似乎不会返回任何包含任何代码的脚本标记。也就是说,它来自以下方面:

<script type="text/javascript" src="Scripts/Scipt1.js"></script>
<script type="text/javascript" src="Scripts/Scipt2.js"></script>

<script type="text/javascript">
   function SomeMethod()
   {

   }
</script>

我只会得到以下结果:

<script type="text/javascript" src="Scripts/Scipt1.js"></script>
<script type="text/javascript" src="Scripts/Scipt2.js"></script>

我怎样才能把3个都还回去(注意。我确实希望在结果中维护外部脚本标记)。

3 回复 | 直到 16 年前

1

2

djdd87 16 年前

这个 . 默认情况下,不匹配换行符,因此只能得到单行结果。

使用 RegexOptions.Singleline 来解决这个问题。它改变了 . 匹配任何字符,包括换行符,因此也可以获得多行匹配。

RegexOptions.Multiline ,这是完全不同的(请阅读IntelliSense工具提示以找出答案)。

2

1

Timwi 16 年前

你应该使用 HTML Agility Pack .

例如:

var doc = new HtmlDocument();
doc.Parse(source);

var scripts = doc.DocumentNode.Descendants("script");

3

0

Robin Day 16 年前

取决于HTML的质量。

var scripts = XDocument.Parse(HTMLSTRING).Descendants("SCRIPT");

编辑:Pre-Xml.Linq版本:

XmlDocument xDoc = new XmlDocument();
xDoc.Load(HTMLSTRING);
XmlNodeList scripts = xDoc.SelectNodes("//*/SCRIPT");

注意,两者都是未经测试的。。。。