如何方便的截取html文本

Question

如有下面html文本片断
<table width="100%" cellspacing="1" cellpadding="1" border="0" bgcolor="#ffffff">
<tbody>
<tr id="showItem1"  bgcolor="#f5f5f5" >
    <td width="7%">产品1</td>
    <td>产品2</td>
    <td>产品3</td>
    <td>产品4</td>
  
</tr>
<tr id="showItem2" bgcolor="#f5f5f5"> 
<td> <del>3380.0</del></td>
<td><del>2930.0</del></td>
<td><del>2250.0</del></td>
<td><del>1530.0</del></td>
</tr>
</tbody>
</table>
我需要提取得里面的文本数据如下 
 产品1,产品2,产品3,产品4
3380.0,2930.0,2930.0,1530.0
c#中没有像js中哪种id取对象方式，我发现对数据取起来十分麻烦，请问有什么操作起来简单取字符数据的方法的

Answer 1

应该没有你说的:像js中哪种id取对象方式
就是用正则分析字符串了.

Answer 2

string str = @"<table width=""100%"" cellspacing=""1"" cellpadding=""1"" border=""0"" bgcolor=""#ffffff""> 
<tbody> 
<tr id=""showItem1""  bgcolor=""#f5f5f5"" > 
    <td width=""7%"">产品1 </td> 
    <td>产品2 </td> 
    <td>产品3 </td> 
    <td>产品4 </td> 
  
</tr> 
<tr id=""showItem2"" bgcolor=""#f5f5f5""> 
<td> <del>3380.0 </del> </td> 
<td> <del>2930.0 </del> </td> 
<td> <del>2250.0 </del> </td> 
<td> <del>1530.0 </del> </td> 
</tr> 
</tbody> 
</table> 
";
            System.Text.RegularExpressions.Regex reg = new System.Text.RegularExpressions.Regex(@"<td[^>]*?>\s*(<\w+>)*([\s\S]*?)(</\w+>)*\s*</td>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
            System.Text.RegularExpressions.MatchCollection mc = reg.Matches(str);
            foreach (System.Text.RegularExpressions.Match m in mc)
            {
                Response.Write(  m.Result("$2") + "<BR>");
            }

Answer 3

this.TextBox2.Text = Regex.Replace(this.TextBox1.Text, @"<(?>[^>]*)>", string.Empty, RegexOptions.IgnoreCase);

Answer 4

谢谢你的代码十分不错，可能是我描述太明白，这里需要注意一下就是我需要按id="showItem1"来取数据即一个ID取一组数据，这就是我在上面为什么将数据分为2排来显示。
按td来这样取数据不太现实
第1 一个table会有很多td但这样数据并非我需要，这样会加大数据提取量
第2 因为我需要对取数据按一定机制来进行再组合，所以我就必须知道这组数据是从哪里出来的不然就没法组合。

Answer 5

            string str = @"<table width=""100%"" cellspacing=""1"" cellpadding=""1"" border=""0"" bgcolor=""#ffffff""> 
<tbody> 
<tr id=""showItem1""  bgcolor=""#f5f5f5"" > 
    <td width=""7%"">产品1 </td> 
    <td>产品2 </td> 
    <td>产品3 </td> 
    <td>产品4 </td> 
  
</tr> 
<tr id=""showItem2"" bgcolor=""#f5f5f5""> 
<td> <del>3380.0 </del> </td> 
<td> <del>2930.0 </del> </td> 
<td> <del>2250.0 </del> </td> 
<td> <del>1530.0 </del> </td> 
</tr> 
</tbody> 
</table> 
";
            str = System.Text.RegularExpressions.Regex.Replace(str, "<(?!(/?table)|(/?tr)|(/?td))[^>]*?>", "");
            str = System.Text.RegularExpressions.Regex.Replace(str, @"(<\w+)[^>]*?>", "$1>");
            System.Xml.XmlDocument dom = new System.Xml.XmlDocument();
            dom.LoadXml(str);
            System.Xml.XmlNodeList nl = dom.SelectNodes("//tr");
            foreach (System.Xml.XmlNode node in nl)
            {
                Response.Write(node.ChildNodes[0].InnerText + "|"+node.ChildNodes[1].InnerText+"<BR>");
            }

Answer 6

谢谢很不错，还想问一下，能让<tr id=""showItem2""  保留吗，既然已经为xml我想如何属性保留可能更方便查询

Answer 7

我已经说了谢谢了，你还想怎么样，我更需要像cpp2017哪样回复。

Answer 8

可以str= System.Text.RegularExpressions.Regex.Replace(str,@"( <\w+)[^>]*?>","$1>");  这句去掉就可．

Answer 9

谢谢基本解决了,一会结贴我新开了一个贴到这里讲一下你的两个正则吗
http://topic.csdn.net/u/20090803/15/26ad5e35-cede-4a79-a39c-17a412573d71.html