Блог

У меня есть строка, содержащая HTML, которая жестко запрограммирована в следующем формате:

 <span class="Marker" id="a">Some text 1</span><br>
<span class="Marker" id="b">Some text 2</span><br>
<span class="Marker" id="c">Some text 2</span><br>
<p class="inactive">Some text 4</p>
<p class="inactive">Some text 5</p>
  

Моя цель — перебирать каждую строку и:

1. Извлеките текст.
2. Проверьте, содержит ли строка class=»Marker»

Сохраните эту информацию в списке.

Я хочу сначала извлечь только текст из HTML и сохранить их в списке, поэтому у меня есть следующее:

 //(?<=>)  -> Lookbehind
//(?=<)   -> Lookahead
var matches = Regex.Matches(htmlString, "(?<=>)([^<] )(?=<)");
List<string> list = new List<string>();

foreach (Match match in matches)
{
   list.Add(match.Value);
}
  

Это работает, как и ожидалось. Теперь я хочу определить, содержит ли каждая строка строку class=»Marker», поэтому у меня есть следующее:

 var classes = Regex.Matches(html, "(?<=<span class=")([A-Za-z] )(?=")");
List<bool> isPresentList = new List<bool>();
foreach (Match cl in classes)
{
    bool isPresent = cl.ToString().Equals("Marker", StringComparison.Ordinal);
    isPresentList.Add(isPresent);
}
  

Это также работает, как и ожидалось, но я хочу иметь возможность сделать это всего за один шаг, если это возможно.

Есть ли способ объединить фильтры регулярных выражений вместе, чтобы мне возвращался текст и если маркер есть или нет (например, в кортеже)?

Как насчет регулярного выражения, подобного приведенному ниже?

     <([w]*) class="(w*)"[ =w"]*>([ w]*)</1>
  

который включает обратную ссылку 1 на группу, которая фиксирует имя тега ([w]*) . Маркер (имя класса) также записывается с class="(w*)" помощью .

Если ваш текст внутри тегов html, вероятно, содержит знаки препинания, вы могли бы захотеть изменить [ w] раздел на что-то другое, например (.*?) , захватить любые символы, используя отложенный квантификатор.

См.: https://regex101.com/r/Ufluqs/2 для примера используйте предоставленные вами данные.

Предупреждение: у вас могут возникнуть проблемы с использованием подхода регулярных выражений по ряду причин, например, если html-атрибуты записаны в другом порядке или вложены html-теги.