C# 使用正则表达式解析html元关键字

我需要使用正则表达式解析html元关键字。源字符串的格式始终相同，如：

<meta name="description" content="description text">
<meta name="keywords" content="Keyword1, Keyword2, Keyword3...">
<link rel="alternate" type="application/xml+rss" href="http://example.com/rss">

---

我习惯于将关键字1、关键字2和关键字3作为列表来获取，正则表达式对于解析HTML文件来说不是一个好的选择

HTML不严格，格式也不规则

使用

您可以使用此代码使用

HtmlAgilityPack

HtmlWeb web = new HtmlWeb();
HtmlDocument doc = web.Load("http://yourWebSite.com");

List<String> keyLst= doc.DocumentNode
                        .SelectSingleNode("//meta[@name='keywords']")
                        .Attributes["content"].Value
                        .Split(',').ToList();

HtmlWeb=newhtmlweb（）；
HtmlDocument doc=web.Load（“http://yourWebSite.com");
List keyLst=doc.DocumentNode
.SelectSingleNode（“//meta[@name='keywords']”）
.属性[“内容”].值
.Split（'，'）.ToList（）；

---

keyLst

现在包含所有关键字

正则表达式不是解析HTML文件的好选择

HTML不严格，格式也不规则

使用

您可以使用此代码使用

HtmlAgilityPack

HtmlWeb web = new HtmlWeb();
HtmlDocument doc = web.Load("http://yourWebSite.com");

List<String> keyLst= doc.DocumentNode
                        .SelectSingleNode("//meta[@name='keywords']")
                        .Attributes["content"].Value
                        .Split(',').ToList();

HtmlWeb=newhtmlweb（）；
HtmlDocument doc=web.Load（“http://yourWebSite.com");
List keyLst=doc.DocumentNode
.SelectSingleNode（“//meta[@name='keywords']”）
.属性[“内容”].值
.Split（'，'）.ToList（）；

---

keyLst

现在包含所有关键字

我希望我可以发表评论，而不是将此作为答案提交，但我的代表太低了：(

我理解有时需要执行正则表达式，但正如其他人所建议的，最好使用标准的XML或HTML解析器。它更安全，可以包含意外的输入变化，甚至更快

---

请参阅：

我希望我可以发表评论，而不是将此作为答案提交，但我的代表级别太低：(

我理解有时需要执行正则表达式，但正如其他人所建议的，最好使用标准的XML或HTML解析器。它更安全，可以包含意外的输入变化，甚至更快

请参阅：

说明 如果您正在寻找一个简单的正则表达式解决方案，并且您的输入并不复杂，那么您可以试试这个

]*\bname=[“]关键字[“][^>]*\bcontent=（[“”）（（（？：[^，>“”]，？）{1，}）\1[>]

，它将提取内容字段中的值

第1组是开放报价，然后需要在价值结束时关闭。 第2组是可以在逗号上拆分的内容

免责声明 这个表达式在一些简单的边缘情况下可能会失败，这就是为什么不应该使用正则表达式来解析HTML，而应该使用HTML解析引擎

C#示例

使用系统；
使用System.Text.RegularExpressions；
名称空间myapp
{
一班
{
静态void Main（字符串[]参数）
{
String sourcestring=“要与模式匹配的源字符串”；
Regex re=new Regex（@“]*\bname=[”“]关键字[”“][^>]*\bcontent=（[''”“]）（（（？：[^，>']，？）{1，}）\1[>]，RegexOptions.IgnoreCase）；
MatchCollection mc=re.Matches（sourcestring）；
int mIdx=0；
foreach（在mc中匹配m）
{
对于（int gIdx=0；gIdx阵列
(
[0] => 
)
[1] =>阵列
(
[0] => "
)
[2] =>阵列
(
[0]=>关键字1、关键字2、关键字3。。。
)
)

说明 如果您正在寻找一个简单的正则表达式解决方案，并且您的输入并不复杂，那么您可以试试这个

]*\bname=[“]关键字[“][^>]*\bcontent=（[“”）（（（？：[^，>“”]，？）{1，}）\1[>]

，它将提取内容字段中的值

第1组是开放报价，然后需要在价值结束时关闭。 第2组是可以在逗号上拆分的内容

免责声明 这个表达式在一些简单的边缘情况下可能会失败，这就是为什么不应该使用正则表达式来解析HTML，而应该使用HTML解析引擎

C#示例

使用系统；
使用System.Text.RegularExpressions；
名称空间myapp
{
一班
{
静态void Main（字符串[]参数）
{
String sourcestring=“要与模式匹配的源字符串”；
Regex re=new Regex（@“]*\bname=[”“]关键字[”“][^>]*\bcontent=（[''”“]）（（（？：[^，>']，？）{1，}）\1[>]，RegexOptions.IgnoreCase）；
MatchCollection mc=re.Matches（sourcestring）；
int mIdx=0；
foreach（在mc中匹配m）
{
对于（int gIdx=0；gIdx阵列
(
[0] => 
)
[1] =>阵列
(
[0] => "
)
[2] =>阵列
(
[0]=>关键字1、关键字2、关键字3。。。
)
)

不要使用正则表达式。请使用类似HTMLPasser的正则表达式。不要使用正则表达式。请使用类似HTMLPasser的正则表达式。