求正则表达式

[dttlgotv]

如何从如下html中提取有用的汉字。

<P class=MsoNormal style="MARGIN: 0cm 0cm 0pt"><FONT
size=3><SPAN lang=EN-US><SPAN style="mso-tab-count: 1"><FONT
face="Times New Roman">      
</FONT></SPAN></SPAN><SPAN
style="FONT-FAMILY: 宋体; mso-bidi-font-size: 10.5pt">清华大学郑重承诺：决不让一个勤奋而有才华的学生因为家庭经济困难而辍学！</SPAN></FONT></P>
<P class=MsoNormal style="MARGIN: 0cm 0cm 0pt"><FONT
size=3><SPAN
style="FONT-FAMILY: 宋体; mso-bidi-font-size: 10.5pt"><SPAN
lang=EN-US><o:p></o:p></SPAN></SPAN></FONT> </P>
<P class=a
style="MARGIN: 0cm 0cm 0pt; LINE-HEIGHT: normal"><SPAN
style="FONT-SIZE: 10.5pt; FONT-FAMILY: 宋体"><SPAN
style="mso-tab-count: 1"></SPAN>   
多年来，清华大学</SPAN><SPAN class=times><SPAN
style="FONT-SIZE: 10.5pt; FONT-FAMILY: 宋体">始终把经济</SPAN></SPAN><SPAN
class=times><SPAN
style="FONT-SIZE: 10.5pt; FONT-FAMILY: 宋体">资助体系建设作为学校人才培养工作和办学过程中的一件大事。目前，</SPAN></SPAN><SPAN
style="FONT-SIZE: 10.5pt; FONT-FAMILY: 宋体">学校已建立了比较完善的“助、勤、奖、贷、补”体系。2006年，在学校主要领导的直接指导下，学生资助管理中心与校友会、基金会、财务处等部门合作，在各院系的大力支持下，出台了新的“家庭经济困难本科学生资助体系”。新经济资助体系明确提出</SPAN></P>




提取结果是:

清华大学郑重承诺：决不让一个勤奋而有才华的学生因为家庭经济困难而辍学！



多年来，清华大学始终把经济资助体系建设作为学校人才培养工作和办学过程中的一件大事。目前，学校已建立了比较完善的“助、勤、奖、贷、补”体系。2006年，在学校主要领导的直接指导下，学生资助管理中心与校友会、基金会、财务处等部门合作，在各院系的大力支持下，出台了新的“家庭经济困难本科学生资助体系”。新经济资助体系明确提出




多谢多谢。

[liudongyue1987]

可以实现吗！帮顶

[亚非]

Regex regex = new Regex(@"<SPAN
style=""FONT-FAMILY: 宋体; mso-bidi-font-size: 10.5pt"">(.*?)</SPAN>");
MatchCollection matchs = regex.Matches(html);

就可以取出所以的汉字了，标题就是第一个matchs[0]里的了

[rczjp]

嗯 把所有HTML的标签替换为空
没有写过 帮LZ顶下。。。。

[rczjp]

嗯 把所有HTML的标签替换为空
没有写过 帮LZ顶下。。。。

[leiziaitudou]

应该可以，顶 坐等......

[txt_paul]

帮顶。 汉字是有值的， 比如 long v =(int)“中”;所以有个取值范围。你百度下。忘了范围是多少。

[dttlgotv]

谢谢各位。


kuya兄提出的方法：


Regex regex = new Regex(@" <SPAN
style=""FONT-FAMILY: 宋体; mso-bidi-font-size: 10.5pt"">(.*?) </SPAN>");
MatchCollection matchs = regex.Matches(html);

就可以取出所以的汉字了，标题就是第一个matchs[0]里的了


里面会有很多宋体显示。

[dttlgotv]

匹配结果会有很多 宋体。

[dttlgotv]

汉字能够全部提取出来，但是里面会有 宋体，这是我不想要的。

如果提取出全部汉字，在把 宋体 置换为空，会有问题。因为如果段落中含有需要的宋体两个字，不也就删除了么。

[saisky]

String CleanInput(string strIn)
{
return Regex.Replace(strIn, @"</?[^>]*>", "");
}

[dttlgotv]

这个不错，多谢。