Question

C#采用正则表达式截取HTML代码求助

如：一段HTML代码（百度首页一段代码为例）
<P id=nv><A href="http://news.baidu.com">新 闻</A>　
<B>网 页</B>　
<A href="http://tieba.baidu.com">贴 吧</A>
<A href="http://zhidao.baidu.com">知 道</A>
<A href="http://mp3.baidu.com">MP3</A>
<A href="http://image.baidu.com">图 片</A>
<A href="http://video.baidu.com">视 频</A>　
<A href="http://map.baidu.com">地 图</A></P>

求：1,把其中任意一段HTML截取出来，如<P id=nv> 和</P> 标签之间的HMTL代码，或者
以<A href="http://zhidao.baidu.com">知 道</A>开头，以<A href="http://video.baidu.com">视 频</A>结尾的中间的HTML截取出来。最终得到（<A href="http://mp3.baidu.com">MP3</A>
<A href="http://image.baidu.com">图 片</A>）
2.然后把截取的这段html代码的内容解析出来。如：最终得到（http://mp3.baidu.com 和MP3字符串）
注：正则表达式的代码不能写死，要灵和运用（输入任何头和尾能得到其中的HTML代码）。

Answer 1

第一个要求
(?s)<P[^>]+>.+</P>(?-s)
你可以把P改成你任意想匹配的标签

第二个要求
<a[^>]+href="([^"]+)"\s*[^>]*>([^<]+)</a>
分组1是超链接地址，负责2是超链接的显示内容
取分组1可以用\1或者$1
取分组2可以用\2或者$2
具体使用\还是$，得看你的工具或者语言

追问

不知道楼上测试过没？我这儿没有通过。是否提供下例子。
以知 道开头，以视 频结尾的中间的HTML截取出来。最终得到（MP3
图 片）
把这段帮我提出来看看，希望提供代码。

追答

首先，我肯定测过，可以任意匹配一个html标签之间的内容。
例如你的p标签之间内容，或者a标签之间的内容。

不过，你要求的 【知 道开头，以视 频结尾的中间的HTML截取出来】
正则不是像你这样用的，这样匹配没有什么意义。
正则是为了尽可能方便文本的处理，不是什么需求都需要使用正则的。如果用了还增加了复杂度，那就完全没有必要了。
你这个根本就没有规律。

追问

我的目的是要得到任意一段HTML代码，然后只想得到提取出来的这段HTML的内容，目的是通用行。
第一步抓取到我想解析的HTML代码，第二步进行解析得到其内容。
假如按照你写的标准来
MP3
图 片
视 频　
这段超链接都是平级的，怎么区分标签，而最终只得到某一个连接的内容呢？

追答

你要区分什么标签呀？
我第一步把你p里头的a都过滤出来了
然后你用第二步我给你写的表达式把超链接过滤出来不就o了
有什么问题