如何使用C#中的正则表达式解析HTML？

Question

如何使用C#中的正则表达式解析HTML？

例如,给定HTML代码

<s2> t1 </s2>  <img src='1.gif' />  <span> span1 <span/>

我想要获得

1.  <s2>
2.  t1
3. </s2>
4. <img src='1.gif' />
5. <span>
6. span1
7. <span/>

如何在C#中使用正则表达式？

在我的例子中,HTML输入不是像XHTML那样格式良好的XML.因此,我不能使用XML解析器来执行此操作.

Answer 1

正则表达式是一种解析HTML的非常糟糕的方法.如果您可以保证您的输入将是格式良好的XML(即XHTML),则可以使用XmlReader读取元素,然后根据需要将其打印出来.