正则表达式的头疼问题

Question

<div.+?c-container[^>]+?>(.*)</div>

Answer 1

人家要是某天有个程序员改了一个网页的一个地方，写个 
     <div name="abc" class="result-op c-container xpath-log"
你又怎么办呢？正则就是瞎匹配，根本不懂 html 语法。进行 html 分析根本不是用正则表达式。

Answer 2

是的，很多时候，很多人一看到文本处理，就拍脑袋正则，而不是去想有没有别的更 extensible 的方式去做这件事情。
比如你完全可以用 linq to xml

Answer 3

            string s = @"<div class=""result-op c-container xpath-log""></div>
<div class=""result-op c-container""></div>
<div class=""result c-container ""></div>";
            MatchCollection matches = Regex.Matches(s, @"(<div\sclass=.*?c-container[^>]*?></div>)");
            foreach (Match m in matches)
            {
                Console.WriteLine(m.Groups[1].Value);
            }

Answer 4

zzx112358的不如我的精简，其他几位的表达式没有结果

Answer 5

是的，很多时候，很多人一看到文本处理，就拍脑袋正则，而不是去想有没有别的更 extensible 的方式去做这件事情。
比如你完全可以用 linq to xml
我想过不用正则，但不知用什么，谢谢提醒

Answer 6

可以使用开源类库HtmlAgilityPack
介绍: HTML Agility Pack：簡單好用的快速 HTML Parser
把下面的代码里面的html替换成你的html源码就可以 public static void Extract()
{
HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);
HtmlNode root = doc.DocumentNode;
//移除所有script节点
foreach(HtmlNode script in root.Descendants("script"))
script.Remove();
//移除所有style节点
foreach(HtmlNode style in root.Descendants("style"))
style.Remove();
//移除所有comment节点
foreach(HtmlNode comment in root.Descendants("//comment()"))
comment.Remove();

HtmlNodeCollection nodes = root.SelectNodes("/div[contains(@class, 'c-container')]");
if (null != nodes) {
for (int i = 0; i < nodes.Count; ++i) {
Console.WriteLine(string.Format("class: {0}", nodes[i].GetAttributeValue("class", "")));
}
}
}

Answer 7

问题没说清楚，div的类名有三种，我能取出每种各1、2个，但是不能取出全部符合的div

Answer 8

你所有的 DIV 都能全部取出来，还有什么不能做的？Everything is under control 了~~~
可以用 LINQ 扩展方法筛选加抽选，就可以了，大致代码如下（没有运行过，提供思路）：public static IEnumerable<HtmlNode> GetDistinctSampleNodes(string url)
{
    // save4me 的代码......
    HtmlNodeCollection nodes = hdoc.DocumentNode.SelectNodes("/div[contains(@class, 'c-container')]");    if (nodes != null)
    {
        var classNames = nodes.Select(node => node.Attributes["class"].Value).Distinct();
        foreach (var className in classNames)
        {
            yield return nodes.Where(node => node.Attributes["class"].Value == className).First();
        }
    }
}