C# 从.NET中的HTML字符串捕获组的正则表达式

希望从html中捕获标题、名称和Val等组

HTML可能会有所不同，但这通常是它的外观

<div>
   <h5>Header 1</h5>
      <strong>Name1</strong>
          &nbsp;
          Value 1 <br>
      <strong>Name2</strong>
          &nbsp;
          Value 2 <br>
   <div>
   <h5>Header 2</h5>
      <strong>Name1</strong>
          &nbsp;
          Value 1 <br>
          Value 1 continued
      <strong>Name2</strong>
          &nbsp;
          Value 2 <br>
   <h5>Header 3</h5>
      <strong>Name1</strong>
          &nbsp;
          Value 1 <br>
          Value 1 continued
      <strong>Name2</strong>
          &nbsp;
          Value 2 <br>
   <br>
   </div>
</div>

标题1
Name1
值1

Name2
值2

标题2
Name1
值1

价值1续
Name2
值2

标题3
Name1
值1

价值1续
Name2
值2

这是我开始使用的，但这依赖于在

string pattern = "((<h5>(?<Header>.*?)<\\/h5>)|(<strong>(?<Name>.*?)<\\/strong>)|(&nbsp;(?<Val>.*?)<br>))

string pattern=“（（（？*？）|”（（？*？）|）（（？*？）
）

从输入中删除“br”标记的并发，瞧。

str.Replace（“
”，“”）

等。

我将模式更改为

string pattern = "(((?<=<h5>)(?<Header>.*?)(?=<\\/h5>))|((?<=<strong>)(?<Name>.*?)(?=<\\/strong>))|((?<=<\\/strong>)(?<Val>.*?)((?=<h5>)|(?=<strong>)|(?=<\\/div>))))";

---

字符串模式=”((（？这项工作有很多方法可供选择，不要使用正则表达式。我建议您阅读我要强调的是这一部分：HTML可以变化，但它通常是这样的。您对基于HTML解析器的解决方案感兴趣吗？我希望您感兴趣，因为使用解析器，您将能够安全地完成两件事：提取文本和将实体转换为文本。@LuCastzesniewski CsQuery看起来是一个很好的工具。你能帮助我如何选择上面的组或带有更详细示例的链接吗？如果你有一个更清晰更好的答案，谢谢
。当然可以。使用HtmlAgilityPack而不是维护这个怪物字符串：）@Eser请使用HtmlAgilityPack编写一个带有代码的答案。