Question

C# 正则表达式 获取div里的内容 div内可能嵌套任何html标签

例如这样
<div id="test">
<div>哈哈</div>
<div><span>123123213</span></div>
<p>test1</p>
<a href="http://www.baidu.com">百度</a>
...............
</div>

我要获取的就是这部分
<div>哈哈</div>
<div><span>123123213</span></div>
<p>test1</p>
<a href="http://www.baidu.com">百度</a>
...............

...............代表任何html标签

Answer 1

只是用正则的话，又没有任何特殊的特征，很难做的。换一种思路：这个字符串可以看成是xml，那你可以用xmldocumen 加载该字符串，然后通过解析xml来获取里面的字符串。（ps：这个思路够屌吧）

追问

其实主要是做一个数据采集的 工作，所以获取到的字符串一个页面的所有源码，而我要从中截取这一段出来，关键，就是不知道怎么截取

追答

哦，你要分页网页特点，比如你要获取网页某一块的数据，那这块源代码前面可能会有id，后面也有唯一id，这样就能截取了

追问

其实你的思路是没错的，我也这样想过的，关键是有的网页格式不标准的话，转换成XML会报错，所以就没法继续下去，如果是标准的html格式的，话用XML来获取是没有问题的！

追答

我也做过类似的功能，一般就是分页网页结构，找到一个比较特殊的地方，然后在用正则匹配

追问

嗯，我就是想匹配id=“XXX”的div，获取到他里面的东西，但是这个正则写不来

追答

只有开头有id=xx的特征，没有结束的特征，用正则蛮困难的。

追问

是呀，所以才来求助大家的啦！SgmlReader貌似可以转换为标准的XML格式的html，但是我引用后生成成功了，打开页面抱错，就是：未能加载文件或程序集“SgmlReader”，奇怪了，用过的告诉下用法，看了一下，貌似这的dll是1.8.4.13761,估计是我没有安装.net2.0之前的版本的原因，谁有2.0以后的版本的发一下，谢谢啦！

追答

http://www.cnblogs.com/dannyqiu/articles/1902955.html,你既然生成成功了，怎么会显示未加载程序集呢？

Answer 2

js不就好了，通过document.getElementById("test").innerHTML。

Answer 3

如果<a href="http://www.baidu.com">百度</a>是个固定不变的特征码，那就好办了