Question

c# 通过正则表达式提取html里的内容

div class='1'>
<h2>啦啦啦</h2>
<ul>
<li><a href="http://" target="_blank">问题</a>
类似如此的内容， 我想提取<h2>的内容以及href的内容。
href的内容我是这么提取的 Regex reg = new Regex(@"(?is)<a[^>]*?href=([‘""]?)(?<url>[^‘""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");
就是还想加上h2的。
求大神帮忙，万分感谢

Answer 1

var html = @"div class='1'>
    <h2>啦啦啦</h2>
    <ul>
    <li><a href=""http://"" target=""_blank"">问题</a>";

var pattern = @"<h2>(?<title>.*?)</h2>.*(\r\n.*)*<a\shref=""(?<url>.*?)""";
var match = System.Text.RegularExpressions.Regex.Match(html, pattern);
if (match.Success)
{
    var title = match.Groups["title"].Value;
    var url = match.Groups["url"].Value;
}