好吧问答库 > C#.NET用正则表达式提取<span style="font-size: 14.0pt;font-family: 宋体;">泥料：原矿清水泥<⼀span>中值

C#.NET用正则表达式提取<span style="font-size: 14.0pt;font-family: 宋体;">泥料：原矿清水泥<⼀span>中值

比较急，请高手指教。。。

2024年11月15日 08:35

有3个网友回答

网友（1）：

如果是我，不会用正则表达式来做这件事。分析DOM对象结构或者做XSL样式替换会简单得多。

正则表达式是验证一个字符串是否拥有某种特定的样式 (Pattern)，比如电子邮件地址，都会有@，@后面都是xx.xxx或xx.xxx.xxx之类，使用正则表达式可以灵活又精确地描述这种pattern。比如对电子邮件地址，可以描述成：^([\w-]+\.)*?[\w-]+@[\w-]+\.([\w-]+\.)*?[\w]+$，等等。

它不是用来抽取字符串的，虽然验证样式往往是替换或抽取字符串的前一步。

如果你一定要使用正则表达式，无非就是用
(.*?)找到这个tag，然后再用字符串处理剥出中间的文字。
如果style里面的内容不是固定的，可以这样查找任意样式的标记
<\s*span[^>]*>(.*?)<\s*/\s*span>

另外，注意汉字需要用4位 unicode 16进制代码替换，格式如：\u0020。

网友（2）：

出现乱码了，不知道你是什么意思，如果你是想从html文本中提取出纯文本的话，给你个方法你调用一下：

public string NoHTML(string Htmlstring)
{
//删除脚本
Htmlstring = Htmlstring.Replace("\r\n", "");
Htmlstring = Regex.Replace(Htmlstring, @"", "", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"", "", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"<.*?>", "", RegexOptions.IgnoreCase);
//删除HTML
Htmlstring = Regex.Replace(Htmlstring, @"<(.[^>]*)>", "", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"([\r\n])[\s]+", "", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"-->", "", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"