C# 匹配整个HTML文档的正则表达式

所以，我仍然是一个正则表达式的傀儡，在过去的两天里才开始使用它们。然而，至少对我来说，我的问题似乎很奇怪

以下模式与我的此字符串正确匹配：

<td valign=3D\"top\">For:</td>(\\s)+(=)?(.|\r\n|\n)+<td>(([a-z]|[A-Z]|=|\\s)+)<br>

For:（\\s）+（=）？（.|\r\n |\n）+（[a-z]|[a-z]|=|\\s）+

原始字符串（取自作为输入提供给正则表达式的html文档）：

For:=XXXXXX XXXXX

和匹配的字符串：

<td valign=3D"top">For:</td>     =             <td>XXXXXX XXXXX<br>

For:=XXXXXX XXXXX

但是，对于此字符串：

<td valign=3D"top">For:</td>                     <td>YYYYYYY=     YYYYY<br>

For:yyyyyyyy=yyyyyy

---

它匹配了整个html文档。我不明白为什么会发生这种情况，因为在我的

（[a-z]|[a-z]|=| \\s）+

之后，我指定应该有一个

标记

用正则表达式解析HTML是一个非常糟糕的主意

请参见此处的原因：

---

即使是在HTML中解析非常简单的东西，使用DOM解析器通常也更干净（可读性更高）且不容易出错。如果您不熟悉REGEX的

则使用REGEX解析HTML是一个非常糟糕的主意

请参见此处的原因：

---

即使是在HTML中解析非常简单的内容，使用DOM解析器通常也更干净（可读性更强）且更不容易出错。如果您不熟悉REGEX的

，请为非贪婪匹配添加指定的问号：

<td valign=3D\"top\">For:</td>(\\s)+(=)?(.|\r\n|\n)+?<td>(([a-z]|[A-Z]|=|\\s)+?)<br>
                                                    ^                         ^

---

为非贪婪匹配添加指示的问号：

<td valign=3D\"top\">For:</td>(\\s)+(=)?(.|\r\n|\n)+?<td>(([a-z]|[A-Z]|=|\\s)+?)<br>
                                                    ^                         ^

---

1） 到底什么是

valign=3D“top”

？2） 解析DOMs的正则表达式=坏主意，除非您确实有很好的理由这样做。最好在它上面使用DOM方法来提取您需要的东西。学习正则表达式很好（这是一个非常好的主意），只是您不想通过HTML字符串来学习它。如果HTML格式有点不正确或不可预测（或者，在您的情况下，完全无效），正则表达式将失败。正则表达式不是解析器。在任何情况下，您都必须解决无效的HTML问题，但是-在解决此问题之前，您的任务几乎是一个无起点的任务。您的

（.|\r\n）

组是多余的，点匹配任何字符，因此

\r\n

将永远无法到达。此外，您还可以将许多

（x | y | z）

部分简化为字符类。例如，

（[a-z]|[a-z]|=| \\s）+

可以简化为

[a-zA-z=\\s]

。此外，在匹配空格时，尤其是在HTML中，请尝试使用

*

重复字符，而不是

+

。您无法用普通的旧regexp解析嵌套结构。1）究竟什么是

valign=3D“top”

？2） 解析DOMs的正则表达式=坏主意，除非您确实有很好的理由这样做。最好在它上面使用DOM方法来提取您需要的东西。学习正则表达式很好（这是一个非常好的主意），只是您不想通过HTML字符串来学习它。如果HTML格式有点不正确或不可预测（或者，在您的情况下，完全无效），正则表达式将失败。正则表达式不是解析器。在任何情况下，您都必须解决无效的HTML问题，但是-在解决此问题之前，您的任务几乎是一个无起点的任务。您的

（.|\r\n）

组是多余的，点匹配任何字符，因此

\r\n

将永远无法到达。此外，您还可以将许多

（x | y | z）

部分简化为字符类。例如，

（[a-z]|[a-z]|=| \\s）+

可以简化为

[a-zA-z=\\s]

。此外，在匹配空格时，尤其是在HTML中，请尝试使用

*

重复字符，而不是

+

。你不能用普通的旧regexp解析嵌套结构。通常我会发布消息，但你已经证明你只是在尝试构建其他代码。向我们保证，如果从一开始你就选择使用正则表达式，那么你就不会使用它，我想我们会让你放心的哈哈，我保证，说它仍然符合整个文档：（仍然不起作用：（…因为根据我所读到的内容，s是一个空格，因此我需要\\来转义\从而为正则表达式引擎提供\s。只使用\s，编译器会抱怨\s不是有效的转义字符。实际上，这是因为您使用的是

+

量词，其中

*

更合适ng

+

，如果可能存在“无”的情况，则需要“至少一个”。请参见编辑2。通常我会发布小马即将到来，但您已经证明您只是在尝试构建其他代码。向我们承诺，如果从一开始就选择使用正则表达式，您就不会使用它，我想我们会对您置之不理。；）哈哈，我保证，说它仍然符合整个文档：（仍然不起作用：（…因为根据我所读到的内容，s是一个空格，因此我需要\\来转义\从而为正则表达式引擎提供\s。只使用\s，编译器会抱怨\s不是有效的转义字符。实际上，这是因为您使用的是

+

量词，其中

*

更合适ng

+

，如果可能存在“无”，则需要“至少一个”。请参见编辑2。

<td valign=3D\"top\">For:</td>(\\s)+(=)?(.|[\r\n])+?<td>([a-zA-Z=\\s]+?)<br>
                                           ^^^^^^        ^^^^^^^^^^^^

<td valign=3D\"top\">For:</td>(\\s)*?(=)?(.|[\r\n])*?<td>([a-zA-Z=\\s]*?)<br>
                                   ^^       ------ ^-     ------------^-