近段時間在論壇上面興起了一股正則之風，不論做什么都喜歡用正則
你在后台解析json格式字符串，必須要用正則，好吧，你可能不知道用JavaScriptSerializer類，
你解析類似www.xxx.com?a=a1&b=b2&c=c3的querystring參數，必須用正則，好吧，你也可能不知道string.split方法
你解析html你還必須用正則，好吧，這就真沒有必要了，因為在解析html用到正則的時候你很多時候就不得不用到平衡組，你很有可能卡在這里
正則的強大性與通用性就不提了，一般的處理完全夠用了，你完全可以自己去“系統”的學習(注:系統學習正則)，在配上RegexBuddy或者在線的正則(注:附注會提到內容)的工具就可以掌握一些常用的用法
但是去解析html，還是用專業的庫去解析吧，雖然條條大路通羅馬，你真沒必要以鐵人三項的精神去做用正則死嗑html。
其實解析html的庫有滿多不錯的，如HtmlAgilityPack，又或者Jumony，以及Java的解析庫htmlparser(有.net版的)，下面列一個小例子:
地址:http://feedback.ebay.com/ws/eBayISAPI.dll?ViewFeedback2&ftab=AllFeedback&userid=paragad&iid=-1&de=off&items=25&interval=0&mPg=151
抓取評論區的:回復內容，購買人名字，購買時間
引用:HtmlAgilityPack庫
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using HtmlAgilityPack;
namespace AnaHtml
{
class Program
{
static void Main(string[] args)
{
HtmlWeb html = new HtmlWeb();
var content = from page in html.Load("http://feedback.ebay.com/ws/eBayISAPI.dll?ViewFeedback2&ftab=AllFeedback&userid=paragad&iid=-1&de=off&items=25&interval=0&mPg=151")
//Skip(1)排除標題行 where((x,index)=>index%2==0)選取相應的內容行
.DocumentNode.SelectSingleNode("//table[@class='FbOuterYukon']").Elements("tr").Skip(1).Where((x, index) => index % 2 == 0)
let row = page
where row != null
select new
{
Content = row.ChildNodes[1].InnerText,
//注意，任何時候的SelectSingleNode方法都是以整個document為前提的，個人覺得應該當前的節點為前擔
Id =row.ChildNodes[2].SelectSingleNode(row.ChildNodes[2].XPath+"//div[1]//a[1]//span[1]").InnerHtml,
Retime = row.ChildNodes[3].InnerText
};
foreach (var item in content)
{
Console.WriteLine("\r\n Content:{0} Id={1} Time={2} ", item.Content, item.Id,item.Retime);
}
Console.Read();
}
}
}
整個結構清晰自然，利用Xpath的來進行選取相當方便，輕易就可以抓取內容。
附注:
一，正則相關
2.正則達人的博客
二，解析庫:
XPath簡明介紹
XPath 使用路徑表達式來選取 XML 文檔中的節點或節點集。節點是通過沿着路徑 (path) 或者步 (steps) 來選取的。
下面列出了最有用的路徑表達式：
nodename:選取此節點的所有子節點。
/:從根節點選取。
//:從匹配選擇的當前節點選擇文檔中的節點，而不考慮它們的位置。
.:選取當前節點。
..:選取當前節點的父節點。
例如有下面一段XML:
<?xml version="1.0" encoding="utf-8"?>
<Articles>
<Article>
<Title>在ASP.NET中使用Highcharts js圖表</title>
<Url>http://zhoufoxcn.blog.51cto.com/792419/537324</Url>
<CreateAt type="en">2011-04-07</price>
</Article>
<Article>
<Title lang="eng">Log4Net使用詳解（續）</title>
<Url>http://blog.csdn.net/zhoufoxcn/archive/2010/11/23/6029021.aspx</Url>
<CreateAt type="zh-cn">2010年11月23日</price>
</Article>
<Article>
<Title>J2ME開發的一般步驟</title>
<Url>http://blog.csdn.net/zhoufoxcn/archive/2011/06/12/6540223.aspx</Url>
<CreateAt type="zh-cn">2011年06月12日</price>
</Article>
<Article>
- <Title lang="eng">PowerDesign高級應用</title>
- <Url>http://zhoufoxcn.blog.51cto.com/792419/166415</Url>
- <CreateAt type="zh-cn">2007-09-08</price>
- </Article>
- </Articles>
針對上面的XML文件，我們列出了帶有謂語的一些路徑表達式，以及表達式的結果：
/Articles/Article[1]：選取屬於Articles子元素的第一個Article元素。
/Articles/Article[last()]：選取屬於Articles子元素的最后一個Article元素。
/Articles/Article[last()-1]：選取屬於Articles子元素的倒數第二個Article元素。
/Articles/Article[position()<3]：選取最前面的兩個屬於 bookstore 元素的子元素的Article元素。
//title[@lang]：選取所有擁有名為lang的屬性的title元素。
//CreateAt[@type='zh-cn']：選取所有CreateAt元素，且這些元素擁有值為zh-cn的type屬性。
/Articles/Article[Order>2]：選取Articles元素的所有Article元素，且其中的Order元素的值須大於2。
/Articles/Article[Order<3]/Title：選取Articles元素中的Article元素的所有Title元素，且其中的Order元素的值須小於3。
HtmlAgilityPack API簡明介紹
在HtmlAgilityPack中常用到的類有HtmlDocument、HtmlNodeCollection、
HtmlNode和HtmlWeb等。
其流程一般是先獲取HTML，這個可以通過HtmlDocument的Load()或LoadHtml()來加載靜態內容，或者也可以HtmlWeb的Get()或Load()方法來加載網絡上的URL對應的HTML。
得到了HtmlDocument的實例之后，就可以用HtmlDocument的DocumentNode屬性，這是整個HTML文檔的根節點，它本身也是一個HtmlNode，然后就可以利用HtmlNode的SelectNodes()方法返回多個HtmlNode的集合對象HtmlNodeCollection，也可以利用HtmlNode的SelectSingleNode()方法返回單個HtmlNode。
轉自=>周公博客