Regex Extraire des Corps html

Comment puis-je utiliser les Regex extraire le corps de html, doc,
tenant compte du fait que le html et les balises de corps pourrait être en majuscules, minuscules ou peut ne pas exister?

InformationsquelleAutor Bruce Adams | 2009-06-11
  1. 10

    Ne pas utiliser une expression régulière pour cela utiliser quelque chose comme le Html Agility Pack.

    C'est un agile HTML parser
    construit en lecture/écriture DOM et prend en charge
    plaine de XPATH ou XSLT (vous en fait
    n'AVEZ pas à comprendre ni XPATH
    XSLT pour l'utiliser, ne vous inquiétez pas...). Il est
    un .NET code de la bibliothèque qui vous permet de
    analyser "du web" fichiers HTML. L'
    l'analyseur est très tolérant avec de "vrais
    monde" du code HTML mal formé. L'objet
    le modèle est très similaire à ce que propose
    Système.Xml, mais pour les documents HTML (ou
    cours d'eau).

    Ensuite, vous pouvez extraire le body avec un XPATH.

    • Je suis d'accord. J'ai utilisé cela et il faut dire qu'il est rapide, soigné et propre.
    InformationsquelleAutor Andrew Hare
  2. 13

    Comment quelque chose comme cela?

    Il capte tout ce qui est entre <body></body> balises (insensible à la casse due à RegexOptions.IgnoreCase) dans un groupe nommé theBody.

    RegexOptions.Singleline nous permet de gérer plusieurs lignes de code HTML comme une seule chaîne.

    Si le HTML ne contient pas de <body></body> de tags, Success propriété du match sera faux.

            string html;

        //Populate the html string here

        RegexOptions options = RegexOptions.IgnoreCase | RegexOptions.Singleline;
        Regex regx = new Regex( "<body>(?<theBody>.*)</body>", options );

        Match match = regx.Match( html );

        if ( match.Success ) {
            string theBody = match.Groups["theBody"].Value;
        }
    • +1 pour le nettoyage et soigné solution
    • Merci!!!! C'est ce que je cherche.
    • Grand, qui fait exactement ce dont j'avais besoin.
    • Merci de répondre à la question!
    • Une bonne solution simple, mais méfiez-vous des balises de corps avec des espaces ou des attributs: < body id= "contenu" > ne correspondent pas
    InformationsquelleAutor Darryl
  3. 0

    Cela devrait vous obtenez assez proche:

    (?is)<body(?:\s[^>]*)>(.*?)(?:</\s*body\s*>|</\s*html\s*>|$)
    • Veuillez fournir le détail de la solution.
    InformationsquelleAutor Jeremy Stein