求抽取HTML正文正则表达式解决方案
日期：2014-05-19 浏览次数：20898 次
求抽取HTML正文正则表达式
字符串如下
<html>
<p> It is test </p>
<p> abc </p>
<p> </p>
<p>
</p>
</html>
需要抽取前两行。
我写表达式如下
Regex regex = new Regex (@ " <[^/> ]+> [^ <> /]+[a-zA-Z,\.]+ </[^> ]+> ");
不知道怎么才能判断中间可以有 “\s” 但必须包含字母。
也就是中间的部分可以包括字母和空格以及任何看不见的字符（\s）。但不能只包含看不见的字符（\s）
多谢各位老大！
------解决方案--------------------
用正向预搜索(?!\s+ <)
<[^> ]*?> (?!\s+ <)([^ <]*?) <[^> ]*?>
------解决方案--------------------
如果 <p> </p> 也不是你想要的，那就应该是(?!\s* <)
正向预搜索： "(?!xxxxx) "
格式： "(?!xxxxx) "，在被匹配的字符串中，它对所处的 "缝隙 " 或者 "两头 " 附加的条件是：所在缝隙的右侧，必须不能够匹配上 xxxxx 这部分的表达式。因为它只是在此作为这个缝隙上附加的条件，所以它并不影响后边的表达式去真正匹配这个缝隙之后的字符。这就类似 "\b "，本身不匹配任何字符。 "\b " 只是将所在缝隙之前、之后的字符取来进行了一下判断，不会影响后边的表达式来真正的匹配。
> (?!\s* <)
表示在“> ”的右侧，下一个 " < "之前，不能是空格，制表符等空白符号
<[^> ]*?> (?!\s* <)([^ <]*?) <[^> ]*?>
字符串如下
<html>
<p> It is test </p>
<p> abc </p>
<p> </p>
<p>
</p>
</html>
需要抽取前两行。
我写表达式如下
Regex regex = new Regex (@ " <[^/> ]+> [^ <> /]+[a-zA-Z,\.]+ </[^> ]+> ");
不知道怎么才能判断中间可以有 “\s” 但必须包含字母。
也就是中间的部分可以包括字母和空格以及任何看不见的字符（\s）。但不能只包含看不见的字符（\s）
多谢各位老大！
------解决方案--------------------
用正向预搜索(?!\s+ <)
<[^> ]*?> (?!\s+ <)([^ <]*?) <[^> ]*?>
------解决方案--------------------
如果 <p> </p> 也不是你想要的，那就应该是(?!\s* <)
正向预搜索： "(?!xxxxx) "
格式： "(?!xxxxx) "，在被匹配的字符串中，它对所处的 "缝隙 " 或者 "两头 " 附加的条件是：所在缝隙的右侧，必须不能够匹配上 xxxxx 这部分的表达式。因为它只是在此作为这个缝隙上附加的条件，所以它并不影响后边的表达式去真正匹配这个缝隙之后的字符。这就类似 "\b "，本身不匹配任何字符。 "\b " 只是将所在缝隙之前、之后的字符取来进行了一下判断，不会影响后边的表达式来真正的匹配。
> (?!\s* <)
表示在“> ”的右侧，下一个 " < "之前，不能是空格，制表符等空白符号
<[^> ]*?> (?!\s* <)([^ <]*?) <[^> ]*?>
免责声明： 本文仅代表作者个人观点，与爱易网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
