在任何人问之前,我没有做任何类型的屏幕抓取.
我正在尝试解析html字符串以找到具有特定id的div.我不能为我的生活得到这个工作.以下表达式在一个实例中有效,但在另一个实例中无效.我不确定它是否与html中的额外元素有关.
<div\s*?id=(\""|"|")content(\""|"|").*?>\s*?(?>(?! <div\s*?> | </div> ) | <div\s*?>(?<DEPTH>) | </div>(?<-DEPTH>) | .?)*(?(DEPTH)(?!))</div>
它正确地找到具有正确id的第一个div,但它然后在第一个结束div处关闭,而不是相关的div.
<div id="firstdiv">begining content<div id="content">some other stuff
<div id="otherdiv">other stuff here</div>
more stuff
</div>
</div>
这应该带回来
<div id="content">some other stuff <div id="otherdiv">other stuff here</div> more stuff </div>
,但由于某种原因,事实并非如此.它带回来：
<div id="content">some other stuff
<div id="otherdiv">other stuff here</div>
有没有人有更容易的表达来处理这个？
为了澄清,这是在.NET中,我正在使用DEPTH关键字.你可以找到更多细节here.
在.NET中,您可以这样做：
(?<text>
(<div\s*?id=(\"|"|&\#34;)content(\"|"|&\#34;).*?>)
(?>
.*?</div>
|
.*?<div (?>depth)
|
.*?</div> (?>-depth)
)*)
(?(depth)(?!))
.*?</div>
您必须使用单行选项.以下是使用控制台的示例：
using System;
using System.Text.RegularExpressions;
namespace Temp
{
class Program
{
static void Main()
{
string s = @"
<div id=""firstdiv"">begining content<div id=""content"">some other stuff
<div id=""otherdiv"">other stuff here</div>
more stuff
</div>
</div>";
Regex r = new Regex(@"(?<text>(<div\s*?id=(\""|"|&\#34;)"
+ @"content(\""|"|&\#34;).*?>)(?>.*?</div>|.*?<div "
+ @"(?>depth)|.*?</div> (?>-depth))*)(?(depth)(?!)).*?</div>",RegexOptions.Singleline);
Console.WriteLine("HTML:\n");
Console.WriteLine(s);
Match m = r.Match(s);
if (m.Success)
{
Console.WriteLine("\nCaptured text:\n");
Console.WriteLine(m.Groups[4]);
}
Console.ReadLine();
}
}
}
