Question

在.NET中寻找一种简单的方法来解析html文件以获取<u></u>标记内的所有值。

例如：<U>105F</U>

文件中可能有很多其他标签，但我需要的是循环并获取所有值的列表，以便然后处理它们。

寻找一种轻松的小方法来处理这个问题。

Answer 1

绝对正则表达式：

Dim myPattern As String = "<U>(.*?)</U>"

    For Each thisMatch As Match In System.Text.RegularExpressions.Regex.Matches(myPage1HTML, myPattern,RegexOptions.IgnoreCase)
            Response.write(thisMatch.ToString)
    Next

Answer 2

如果HTML文档格式正确，XPath将是我的首选。

请求的代码示例（从未测试过您）;

var doc                    = new XPathDocument (@"path\to\file.html");
XPathNavigator navigator   = doc.CreateNavigator ();
XPathNodeIterator iterator = navigator.Select ("//U");
while (iterator.MoveNext ())
    Console.WriteLine ("U: {0}", iterator.Current.Value);

Answer 3

XmlNodeList list = doc.SelectNodes("//u");

获取U个节点

的列表

Answer 4

使用带有XMLDocument的Xpath的示例

XmlDocument doc = new XmlDocument();
doc.Load("file.html");

XmlNodeList nodeList = doc.DocumentElement.SelectNodes("//u");
foreach (XmlNode title in nodeList) {
    Console.WriteLine(title.InnerXml);
}

取自here

Answer 5

Html Agility Pack

我强烈建议不要使用正则表达式来解析HTML。他们是一个很好的工具，但他们不适合这份工作。 HTML太复杂了。只要你碰到其中一个边缘情况（嵌入式标签，嵌套标签等），你就会明白我的意思。

编辑：另见Coding Horror: Parsing: Beyond Regex

在.net中简单解析<u> </u>值的html文件？

5 个答案: