代码之家 › 专栏 › 技术社区 › Gideon

regex-查找具有特定类的td,包括嵌套表

winforms regex html .net

Gideon · 技术社区 · 17 年前

我必须解析一段HTML。看起来有点像:

<table>
   <tr>
     <td class="blabla"> <table><tr><td><table><tr><td></td></tr></table></td></tr></table>
     </td>
   </tr>
  <tr>
     <td class="blabla"> <table><tr><td></td></tr></table>
     </td>
   </tr>
</table>

我需要提取每个 td 随班 blabla ,但每个单元格可以有0个或多个嵌套表,其中包含多个嵌套TD。

<td class="blabla"> ... many nested stuff ... </td>

谢谢

6 回复 | 直到 17 年前

Welbog 17 年前

不要试图用正则表达式解析HTML。您不能编写与所需内容匹配的表达式,因为HTML不是常规的。

在您的语言提供的库中使用HTML/XML解析器。 System.Xml 有许多有用的类,可以让您打开文件并用xpath查询它。

您要查找的xpath表达式是

//td[@class="someClass"]

René 17 年前

如果需要进行扩展HTML解析,我建议使用 Html Agility Pack 而不是正则表达式。HAP从HTML页面构建一个XML文档,这样您就可以使用xpath查找特定的节点。

rahul 17 年前

为什么不使用CSS选择器?

Ratnesh Maurya 17 年前

([tt][dd]\sclass=\“blabla\”)

Xetius 17 年前

你要找一个类似于 /<td\sclass=\"(.*?)\">/ 但是我不知道如何在.NET中实现这一点。

但是,由于形成HTML的方式很差,regex不是解析的好候选者。有很多更好的工具可以做到这一点。

如前所述,使用xpath是使用//td[@class=“someclass”]执行此操作的很好方法。这将为您提供td节点。然后,您可以获取其中的内容并根据需要进行处理。

Mike Caron 17 年前

不能只使用正则表达式,因为它太复杂了。即使使用lookahead匹配,regex也必须动态更改,因为您必须增加 </td> 你要根据多少来寻找 <td> 找到你想要的那个。