C#正则表达式提取一个div的内容

Question

我看过我的一些相关问题，我试过了，但没有用。 我想将一个 div 中的内容与 ID 为“thumbs”的内容相匹配。但是 regex.Success 返回 false :(

Match regex = Regex.Match(html, @"<div[^>]*id=""thumbs"">(.+?)</div>");

Answer 1

正则表达式不是解析 HTML 文件的好选择..

HTML 不严格，格式也不规则..

使用htmlagilitypack

---

为什么要使用解析器？

考虑你的正则表达式..有无数种情况下你可以破坏你的代码

• 如果有嵌套 div，您的正则表达式将不起作用
• 有些 div 没有结束标记!(XHTML 除外)

---

您可以使用此代码通过 HtmlAgilityPack 检索它

HtmlDocument doc = new HtmlDocument();
doc.Load(yourStream);

var itemList = doc.DocumentNode.SelectNodes("//div[@id='thumbs']")//this xpath selects all div with thubs id
                  .Select(p => p.InnerText)
                  .ToList();

//itemList now contain all the div tags content having its id as thumbs