Парсинг html с помощью регулярных выражений C#

Question

Провожу загрузку html страницы

html = client.DownloadString(dt.Rows[i][2].ToString());

потом регулярным выражением пробую вырезать часть строки

string s1 = dt.Rows[i][3].ToString();
string s2 = dt.Rows[i][4].ToString();
Regex regex = new Regex(s1 + @".*" + s2);
MatchCollection matches = regex.Matches(html);
if (matches.Count > 0)
                {
                    foreach (Match match in matches)
                    html1 = match.Value;
                    MessageBox.Show(html1);
                }

Самое интересное что если копируешь кусок кода и присваиваешь переменной html то регулярное выражение отрабатывается а если производишь загрузку как выше указано то совпадение не находится

Ну вы сравните в чем отличие загруженного html и вставленного вами вручную. Ну а так, категорически не советую вам регулярками парсить html. Почитайте лучше это. — EvgeniyZ, Jul 21 '18 at 19:19
В том то и суть что не в чем s1="_price">" а s2="руб." — user293746, Jul 21 '18 at 19:27
Может проблема в спец символах? при присваивании я их экранирую а при загрузке страницы что-то выходит не так — user293746, Jul 21 '18 at 19:37

score 0 · Answer 1 · answered Jul 21 '18 at 19:37

0

Вероятно вам может помочь ОнЛайн regexp для подбора выражения.

А вообще лучше не использовать regexp, а взять готовый HTML фреймворк, например Cef, это по сути Хром браузер.. :)

answered Jul 21 '18 at 19:37

NewView

2,308

Разобрался! Необходимо было удалить все переносы строк – user293746 Jul 21 '18 at 21:44
вам надо было привести полную строку regexp, а не s1 + @".*" + s2, что там, можно только догадываться.. – NewView Jul 21 '18 at 23:31

score 0 · Answer 2 · answered Jul 22 '18 at 08:08

Проблема совершенно в другом, и это кодировка вашего HTML вероятно вы предполагаете что разметка отвечает сл. символу " а в реальности " и другие &, >, <, ' для избежания подобных символов в вашем html достаточно указать:

html = System.Web.HttpUtility.HtmlDecode(html);

И только после этого работать с исходным кодом, и да regex не лучший способ парсить html.

Парсинг html с помощью регулярных выражений C#

2 Answers2