c# - 用于 html 解析的正则表达式(在 c# 中)

Question

我正在尝试解析一个 html 页面并从表格行中提取 2 个值。表格行的html如下:-

<tr>
<td title="Associated temperature in (ºC)" class="TABLEDATACELL" nowrap="nowrap" align="Left" colspan="1" rowspan="1">Max Temperature (ºC)</td>
<td class="TABLEDATACELLNOTT" nowrap="nowrap" align="Center" colspan="1" rowspan="1">6</td>
<td class="TABLEDATACELLNOTT" nowrap="nowrap" align="Center" colspan="1" rowspan="1"> 13:41:30</td>
</tr>

我现在的表情是:

<tr>[\s]<td[^<]+?>Max Temperature[\w\s]*</td>[\s]
<td[^<]+?>(?<value>([\d]+))</td>[\s]
<td[^<]+?>(?<time>([\d\:]+))</td>[\s]</tr>

但是我似乎无法提取任何匹配项。谁能指出我正确的方向，谢谢。

Answer 1

众所周知，使用正则表达式可靠地解析 HTML 是非常困难的。

我想我会寻找一个 HTML 解析库，或者一个“屏幕抓取”库；)

如果 HTML 来自不可靠的来源，您必须格外小心，以妥善处理恶意 HTML 语法。错误的 HTML 处理是安全攻击的主要来源。