求一分析html的正则表达式

Question

你给的例子，<ul   class="Mlist"> 这个没有结束标志，我就根据它取后面的<ol>...</ol>了
如果有不符合的，给出例子Match m = Regex.Match(str, @"(?<=<h1>[^<]*</h1>\s*<ul\s*class=""Mlist"">)(\s*<ol>[\s\S]*?</ol>)*", RegexOptions.IgnoreCase);
if (m.Success)
{
    string content = m.Value;   //第一次匹配内容
    MatchCollection mc = Regex.Matches(content, @"<a.*?href=""(?<url>[^""]*)""[^>]*>(?<text>[^<>]*)</a>", RegexOptions.IgnoreCase);
    foreach (Match ma in mc)
    {
        Console.WriteLine(ma.Groups["url"].Value);  //链接
        Console.WriteLine(ma.Groups["text"].Value);  //文字
    }
}

Answer 1

不知道lz为什么要先分析出这些html然后再取连接和文字，好像第一步是多余的...

Answer 2

第二个参考
string content = 内容;            string regex = "<ul[^>]+?>[\\s\\S]+?<li>\\s*<a[\\s\\S]+?href=\"(?<src>.*?)\"[\\s\\S]*?>(?<desc>[^<]+?)</a>" +
"\\s*</li";
            System.Text.RegularExpressions.RegexOptions options = ((System.Text.RegularExpressions.RegexOptions.IgnorePatternWhitespace | System.Text.RegularExpressions.RegexOptions.Multiline)
                        | System.Text.RegularExpressions.RegexOptions.IgnoreCase);
            System.Text.RegularExpressions.Regex reg = new System.Text.RegularExpressions.Regex(regex, options);            System.Text.RegularExpressions.MatchCollection resultes = reg.Matches(content);            foreach (System.Text.RegularExpressions.Match item in resultes)
            {
                string src = item.Groups["src"].Value;
                string desc = item.Groups["desc"].Value;
            }

Answer 3

这样应该就可以满足第一个<h1>[^<]+?</h1>[\s\S]+?\<ul[\s\S]+?\</ul>

Answer 4

链接用这个:"href=\"([\S]+)\""
文字用这个:">([\u4e00-\u9fa5]+)<"

Answer 5

.InnerText  就完了，用得着正则吗？