Regex HTML Extraction C#

Question

J'ai cherché et recherché des regex mais je n'arrive pas à trouver quelque chose qui me permettra de le faire.

J'ai besoin pour obtenir le 12,32, 2,300, 4,644 M et 12,444.12 des chaînes suivantes en C#:

<td class="c-ob-j1a" property="c-value">12.32</td> 
<td class="c-ob-j1a" property="c-value">2,300</td> 
<td class="c-ob-j1a" property="c-value">4.644 M</td> 
<td class="c-ob-j1a" property="c-value">12,444.12 M</td> 

Je me suis levé à ceci:

MatchCollection valueCollection = Regex.Matches(html, @"<td class=""c-ob-j1a"" property=""c-value"">(?<Value>P{</td>})</td>"); 

Merci!

Answer 1

Vous ne devriez pas utiliser regexp pour analyser HTML. Voir ce post sur howto Parse html What is the best way to parse html in C#? ou vous pouvez utiliser HtmlAgilityPack http://www.codeplex.com/htmlagilitypack

mais si vous voulez vraiment utiliser regex cela devrait fonctionner.

<td[^>](.+?)<\/td> 

Answer 2

"value">(.*?)<\/td> 

devrait le faire pour vous. La valeur dont vous avez besoin se tiendrait dans le groupe de capture notée par les parenthèses

Answer 3

Quelque chose comme cela devrait fonctionner:

/<td[.]*?>(.+)<\/td>/ 

En ce qui concerne votre exemple de code, ce serait probablement plus maintenable:

MatchCollection valueCollection = Regex.Matches(html, @"<td[^>]*?>(?<Value>.*?)</td>") 

Si votre code HTML contient d'autres td dont vous ne voulez pas extraire de données, votre expression régulière d'origine devrait convenir.

Answer 4

je serais probablement commencer par un match très stricte pour éviter la capture accidentelle d'autres parties du document:

static void Main(string[] args) 
    { 
     string html = @"<td class=""c-ob-j1a"" property=""c-value"">12.32</td> 
<td class=""c-ob-j1a"" property=""c-value"">2,300</td> 
<td class=""c-ob-j1a"" property=""c-value"">4.644 M</td> 
<td class=""c-ob-j1a"" property=""c-value"">12,444.12 M</td>"; 

     var matches = Regex.Matches(html, @"<td class=""c-ob-j1a"" property=""c-value"">([^<]*)</td>"); 
     foreach (Match match in matches) 
      Console.WriteLine(match.Groups[1].Value); 
    } 

(Et je voudrais également saisir cette occasion pour recommander le Html Agility Pack si vous vous ne l'avez pas encore essayé.)

Answer 5

Si tout ce dont vous avez besoin est d'analyser le tag td dans les formats que vous avez présentés, vous pourriez vous en sortir avec une regex.

En général, l'analyse de html avec regex ne fonctionne pas. Vous pouvez trouver beaucoup de questions ici sur SO expliquant pourquoi