C# C中特定html标记的正则表达式#

我正试图从谷歌产品页面上抓取特定的html标签，包括它们的数据。我想获得这个有序列表中的所有

标记，并将它们放入一个列表中

代码如下：

   <td valign="top">
        <div id="center_col">
          <div id="res">
            <div id="ires">
              <ol>
                   <li class="g">
                  <div class="pslires">
                    <div class="psliimg">
                      <a href=
                      "https://www.google.com">
                     </a>
                    </div>

                    <div class="psliprice">
                      <div>
                        <b>$59.99</b> used
                      </div><cite>google auctions</cite>
                    </div>

                    <div class="pslimain">
                      <h3 class="r"><a href=
                      "https://www.google.com">
                      google</a></h3>

                      <div>
                 dummy data     </div>
                    </div>
                  </div>
                </li>

                 <li class="g">
                  <div class="pslires">
                    <div class="psliimg">
                      <a href=
                      "https://www.google.com">
                     </a>
                    </div>

                    <div class="psliprice">
                      <div>
                        <b>$59.99</b> used
                      </div><cite>google auctions</cite>
                    </div>

                    <div class="pslimain">
                      <h3 class="r"><a href=
                      "https://www.google.com">
                      google</a></h3>

                      <div>
                 dummy data     </div>
                    </div>
                  </div>
                </li>

              <li class="g">
                  <div class="pslires">
                    <div class="psliimg">
                      <a href=
                      "https://www.google.com">
                     </a>
                    </div>

                    <div class="psliprice">
                      <div>
                        <b>$59.99</b> used
                      </div><cite>google auctions</cite>
                    </div>

                    <div class="pslimain">
                      <h3 class="r"><a href=
                      "https://www.google.com">
                      google</a></h3>

                      <div>
                 dummy data     </div>
                    </div>
                  </div>
                </li>
                <li class="g">
                  <div class="pslires">
                    <div class="psliimg">
                      <a href=
                      "https://www.google.com">
                     </a>
                    </div>

                    <div class="psliprice">
                      <div>
                        <b>$59.99</b> used
                      </div><cite>google auctions</cite>
                    </div>

                    <div class="pslimain">
                      <h3 class="r"><a href=
                      "https://www.google.com">
                      google</a></h3>

                      <div>
                 dummy data     </div>
                    </div>
                  </div>
                </li>
              </ol>
            </div>
          </div>
        </div>

        <div id="foot">
          <p class="flc" id="bfl" style="margin:19px 0 0;text-align:center"><a href=
          "/support/websearch/bin/answer.py?answer=134479&amp;hl=en">Search Help</a>
          <a href=
          "/quality_form?q=Pioneer+Automotive+PF-555-2000&amp;hl=en&amp;tbm=shop">Give us
          feedback</a></p>

          <div class="flc" id="fll" style="margin:19px auto 19px auto;text-align:center">
            <a href="/">Google&nbsp;Home</a> <a href=
            "/intl/en/ads">Advertising&nbsp;Programs</a> <a href="/services">Business
            Solutions</a> <a href="/intl/en/policies/">Privacy &amp; Terms</a> <a href=
            "/intl/en/about.html">About Google</a>
          </div>
        </div>
      </td>

已使用$59.99
谷歌拍卖
虚拟数据


已使用$59.99
谷歌拍卖
虚拟数据


已使用$59.99
谷歌拍卖
虚拟数据


已使用$59.99
谷歌拍卖
虚拟数据

---

我想获取所有的

标记以及每个标记中的数据。这可能吗？

不使用正则表达式，而是使用xml解析器之类的东西，可能对您的情况更有用。将其加载到xml文档中，然后使用SelectNodes之类的工具来获取您要查找的数据

---

您可以使用正则表达式来解析HTML，而不是使用正则表达式

var doc = new HtmlDocument();
doc.LoadHtml(html);
var listItems = doc.DocumentNode.SelectNodes("//li");

---

上面的代码将为您提供文档中的所有项目。要将它们添加到列表中，您只需迭代集合并将每个项添加到列表中。

对于这个特定问题，我不会使用正则表达式

相反，我会这样攻击它：

1） 将页外另存为html字符串。 2） 使用前面提到的htmlagilitypack或HTMLIDY（我的首选项）转换为XML。 3） 使用xDocument按标记浏览Dom对象并保存数据

---

试图创建一个正则表达式来从一个可能流动的HTML页面中提取数据会让你心碎

嗯。所有这些的正则表达式？？？不可能，HTML不能被解析，它需要被解释。试着用谷歌搜索“来自html的c#数据”（以前从未做过类似的事情，sry）基本检查：检查示例当你说你想要所有的“标签”时，你是指html标签吗？你想挖多深？它应该遵循什么特定的格式？我还建议删除边缘的div-这让你有点难以理解你到底在说什么…请看我在OP上的评论。有一个库更具体到HTML，并且更能容忍源代码中的错误-HTMLAgilityPackI将记住这一点，以备将来使用谢谢！