C＃正則表達式提取一個div的內容

Question

我已經看到了一些我的相關問題，我嘗試了它們，但它們不起作用。 我想匹配來自一個div與id「拇指」的內容。但regex.Success返回false :(

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

Answer 1

正則表達式是不解析HTML文件的一個不錯的選擇..

HTML不嚴格，也不是經常用它的格式..

使用htmlagilitypack

---

爲什麼要使用的解析器？

考慮您regex..There是在那裏你可以破壞你的代碼的情況下無限數量

• 如果有嵌套的div
• 一些div不具有結束標記！（除非你的正則表達式將無法正常工作XHTML）

---

您可以使用此代碼使用檢索它HtmlAgilityPack

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 

Answer 2

不，我不認爲他需要逃脫。他在模式前有@。我認爲這是正確的：

<div[^>]*id="thumbs">(.+?)</div> 

所以沒有雙重雙引號

Answer 3

試試這個：

Regex r = new Regex(@"(?<text>(<div\s*?id=(\""|&quot;|&\#34;)" 
    + @"thumb(\""|&quot;|&\#34;).*?>)(?>.*?</div>|.*?<div " 
    + @"(?>depth)|.*?</div> (?>-depth))*)(?(depth)(?!)).*?</div>", 
    RegexOptions.Singleline);