正则拆分html文本,构建正则表达式(RegEx)以提取HTML标记的文本

本问题已经有最佳答案，请猛点这里访问。

我正在尝试构建一个正则表达式来提取HTML标记内的文本，如下所示。 但是我在正则表达式方面的技能有限，而且我在构建字符串时遇到了麻烦。

如何从此标记中提取文本：

text

这只是页面HTML源代码的示例。 基本上，我需要一个regex字符串来匹配标签内的"文本"。 任何人都可以帮我这个吗？ 谢谢。 我希望我的问题不是太可怕。

更新：只是为了澄清，report_drilldown是绝对的，但我并不关心它是否在regex中作为绝对存在。

145817是一个随机的6位数字，实际上是一个数据库ID。"text"只是简单的纯文本，所以它不应该是无效的HTML。 此外，大多数人都说在这种情况下最好不要使用正则表达式，那么最好使用什么？ 非常感谢！

使用正则表达式来解决解析HTML的问题？ 现在你有两个问题。

怎么会这样？ 我之前在另一个具有相似任务的项目中使用了正则表达式。 也许最好使用其他东西来提取标签的文本？

一般来说，使用正则表达式解析HTML是一件坏事：stackoverflow.com/questions/701166

使用正则表达式进行HTML解析不适用于无效的html，即使有效的html案例也可能很麻烦。 最好在C＃中使用Dom Document实现，并访问特定节点的textContent ▼显示。

答案是......不要！

使用库，例如??这个库

([^

这不会真正解决问题，但它可能只是勉强可以解决。特别是，它非常脆弱，对标记的最轻微改变并不匹配。如果report_drilldown不是绝对的，则将其替换为[^']*，和/或捕获它和数字(如果需要)。

如果你需要解析HTML的东西，那么如果你不得不处理标签汤，那就太噩梦了。如果您使用的是Python，我建议使用BeautifulSoup，但我不知道C＃的类似内容。 (任何人都知道C＃的类似标签汤解析库？)

HTML中的属性不应包含

是的，我很抱歉愚蠢的控制台字体混合了我 - 它应该是()。谢谢你的帮助！

哈，我更新我的帖子，看到你的答案，现在回滚到原来的。

对于那个很抱歉！！！！我的坏 - 现在我确信我需要为CMD找到更好的字体。谢谢！

Lucida Console和Envy Code R(搜索谷歌)对我来说很有用。

谢谢你，谢谢你，谢谢你！对于所有的东西(包括字体)！我会尝试实现正则表达式，看看会发生什么 - 谢谢一堆！

我同意正则表达式可能不是解析它的最好方法，但使用反向引用很容易做到：

\w*)(?:.*)>(?.*)\k>

标签和文本被命名为捕获组。

帽子：快递图书馆

即使假设格式良好的输入(如果不是这样，这种解析方式可能会失败，或者更糟糕的是，错误地成功)，您可以通过此示例输入显示两个问题：1)textmore text。 2)ab。当然，你的答案实际上并不比我的好，但我会犹豫是否容易称之为。正则表达式对于这项工作来说简直就是错误的工具，即使偶尔也能正常工作。

好。我将继续寻找一种非常"安全"和"好"的方法来处理这种"标签汤"，但就目前而言，正如R. Pate的正则表达式正在发挥作用，我将继续使用它直到我找到更好的方法解。非常感谢大家！

应该给你开始标记。

会给你结束标签。只需提取出介于两者之间的内容。虽然未经测试。

你的意思是 x intead of / x？为什么除null之外的任何字符为什么=和"逃脱？因为你没有以sed风格使用/分隔符，所以逃避/也有点奇怪。