使用正则表达式获取 HTML 标记的变量值

本文关键字：变量值 HTML 正则表达式 获取 | 更新日期: 2023-09-27 18:30:29

我正在尝试在html的某些文本之间获取一个值，到目前为止还没有成功，我不能使用html aglity pack，因为它给出的数据只存在于html标签之间 

public static string[] split_comments(string html)
    {
        html = html.ToLower();

        html = html.Replace(@""""," ");

HTML 中的实际行是这样的

<meta itemprop="rating" content="4.7"> the 4.7 value changes every time and I need to get this value 

Match match = Regex.Match(html, @"<meta itemprop=rating content=([A-Za-z0-9'-]+)'>$");
            if (match.Success)
            {
                // Finally, we get the Group value and display it.
                string key = match.Groups[1].Value;
            }

所以我正在尝试获取 html 的标签，在该标签中，我希望获得始终可变的数据。

使用正则表达式获取 HTML 标记的变量值

string html = "<meta itemprop='"rating'" content='"4.7'">";
HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);
var content = doc.DocumentNode
                .Element("meta")
                .Attributes["content"].Value;

--编辑--

从你第一次接受然后不接受答案，我猜你拿了代码并使用你的真实html运行，看到它返回了错误的结果。

这并不表明答案不正确，因为它可以与您发布的代码段一起正常工作。

因此，通过进行疯狂猜测并假设您的真实 html 中还有其他具有itemprop属性的 meta 标签，例如

<meta itemprop="rating" content="4.7">
<meta itemprop="somekey" content="somevalue">

代码将是：

var content = doc.DocumentNode
                .Descendants("meta")
                .Where(n => n.Attributes["itemprop"] != null && n.Attributes["itemprop"].Value == "rating")
                .Select(n => n.Attributes["content"].Value)
                .First();

首先，您应该替换它：

html = html.Replace(@""""," ");

有了那个：

html = html.Replace(@"""","");

并通过以下方式更改您的正则表达式：

Match match = Regex.Match(html, @"<meta itemprop=rating content=([A-Za-z0-9'-.]+)'>$");

否则你的 if 将永远是假的。之后，您可以简单地使用子字符串：

 html = html.Substring(html.IndexOf("content=") + 8);
 html = html.Substring(0, html.Length - 1);

我希望这会有所帮助

这里

html = html.Replace(@""""," ");

将双引号替换为空格。因此，您的示例字符串现在如下所示：

<meta itemprop= rating  content= 4.7 >

但是，您的正则表达式与没有这些额外空格的文本匹配。此外，您的正则表达式需要在结束>之前使用反斜杠，这在示例中不存在。

你的正则表达式应该是类似 @"'<meta.+?content'='"(.+)'"'>" .尽管使用正则表达式解析 HTLM 是一件坏事。

试试这个：

        double searchedValue;
        Regex reg = new Regex(@"content= (?<groupname>.*?) >");
        var matches = reg.Match(@"<meta itemprop= rating  content= 4.7 >");
        var value = matches.Groups["groupname"].Value;
        //maybe you need to replace like value.Replace('.',',')
        double.TryParse(value , out searchedValue);

(?<groupname> ... )设置一个组。您可以使用 matches.Groups["groupname"].Value 访问该值

.*?正在阅读下一场比赛的">"。

如果您不使用"?"，它将搜索文本中">"的最后一个匹配项。

祝你好运=）

相关文章：