如何去除input/select等标签只保留对应value

[hk207]

C#在做一个抓包测试时，网页内容包含了input和select，如何取到对应的value？举例如下：
抓取到的str=

<table>
<tr>
<td>用户名</td>
<td><input name="userName" value="张三"  class="red" /></td>
<td>学历</td>
<td><select name="xl">
<option value ="gaoz">高中</option>
<option value ="daz">大专</option>
<option value ="benk"  selected="selected">本科</option>
</select></td>
</tr>
<table>

想要的结果str=

<table>
<tr>
<td>用户名</td>
<td>张三</td>
<td>学历</td>
<td>本科</td>
</tr>
<table>

想到可以用正则匹配，但是只会一点点正则，不知道怎么做。

请大神帮忙，万分感谢。

[xuggzu]

用正则就查表达式写法。 不用正则，用xml读取节点也一样，在td节点搜select子节点，然后取option子节点的属性(attribute)selected值，如果该值=selected，取节点值为父节点td值即可。

[以专业开发人员为伍]

解析一个 html，可以用许多方式，根据你的环境而定。例如 XPath、Linq for XML、jQuery 的选择器、你的 html 解析器产生的层级数据结构。总之都是根据语法解析，而不是简单地匹配什么单词儿。

[crystal_lz]

strnew = regex.Replace( regex.Replace(strold,@"<option.*?>(.*?)</option>","$1"), //替换掉option标签 @"<input.*?value=""(.*?)"".*?>","$1" //替换掉input ).Replace(@"<td><select name=""xl"">","") //替换两个没用到标签 .Replace("</select></td>") .Replace("\r\n\r\n","\r\n"); //由于上面替换了两处没用到地方 所以会有多余行 替换 所以说 要是决定这样有意思 就去倒腾吧

[以专业开发人员为伍]

比如说 <select name="xl">，万一人家某个片段输出了 <select name="xl"> 或者 <SELECT name="xl"> 或者 <select class="xxx" anc-nx="func1('select')" name="xl"> 之类的呢？ 能按照识别语法的方式来设计程序，才能解析。简单匹配单词儿通常只是假设对方不会以 html 语义为基础，而是对对方根本不动态设计 html 输出。

[xuzuning]

        static void Main(string[] args)
        {
            var str = @"<table>
<tr>
<td>用户名</td>
<td><input name=""userName"" value=""张三""  class=""red"" /></td>
<td>学历</td>
<td><select name=""xl"">
<option value =""gaoz"">高中</option>
<option value =""daz"">大专</option>
<option value =""benk""  selected=""selected"">本科</option>
</select></td>
</tr>
<table>";
            var r = Regex.Replace(str, "<input.+value=\"([^\"]+).+?>", "$1");
            r = Regex.Replace(r, "(?s)<select.+selected.*?>([^<]+).+?/select>", "$1");
            Console.WriteLine(r);
        }

[hk207]

引用 4 楼 sp1234 的回复:

比如说 <select name="xl">，万一人家某个片段输出了 <select name="xl"> 或者 <SELECT name="xl"> 或者 <select class="xxx" anc-nx="func1('select')" name="xl"> 之类的呢？ 能按照识别语法的方式来设计程序，才能解析。简单匹配单词儿通常只是假设对方不会以 html 语义为基础，而是对对方根本不动态设计 html 输出。

不知道除了正则之外，还有什么好办法可以得到想要的结果？

[hk207]

引用 5 楼 xuzuning 的回复:

        static void Main(string[] args)
        {
            var str = @"<table>
<tr>
<td>用户名</td>
<td><input name=""userName"" value=""张三""  class=""red"" /></td>
<td>学历</td>
<td><select name=""xl"">
<option value =""gaoz"">高中</option>
<option value =""daz"">大专</option>
<option value =""benk""  selected=""selected"">本科</option>
</select></td>
</tr>
<table>";
            var r = Regex.Replace(str, "<input.+value=\"([^\"]+).+?>", "$1");
            r = Regex.Replace(r, "(?s)<select.+selected.*?>([^<]+).+?/select>", "$1");
            Console.WriteLine(r);
        }

为什么这样的select取不到数据呢？？？？？

学历： <SELECT disabled class=text name=xL><OPTION selected value=01>小学</OPTION> <OPTION value=02>初中</OPTION> <OPTION value=03>高中</OPTION> <OPTION value=04>本科</OPTION> <OPTION value=05>研究生</OPTION> <OPTION value=06>博士</OPTION> <OPTION value=07>博士后</OPTION> <OPTION value=08>其它</OPTION></SELECT> 

[xuzuning]

因为你没有忽略大下写 (?si)<select.+selected.*?>([^<]+).+?/select>

[正怒月神]

可以用正则。可惜我不在行，只能给你一个意见

[hk207]

引用 11 楼 xuzuning 的回复:

怎么可能，难道你的机器有问题？

            str = "学历： <SELECT disabled class=text name=xL><OPTION selected value=01>小学</OPTION> <OPTION value=02>初中</OPTION> <OPTION value=03>高中</OPTION> <OPTION value=04>本科</OPTION> <OPTION value=05>研究生</OPTION> <OPTION value=06>博士</OPTION> <OPTION value=07>博士后</OPTION> <OPTION value=08>其它</OPTION></SELECT> ";

            var r = Regex.Replace(r, "(?si)<select.+selected.*?>([^<]+).+?/select>", "$1");
            Console.WriteLine(r);

我仔细看了，可能是因为有的input没有value属性，有的select没有selected，这个咋整？ 能不能匹配成没有value属性的input为空，没有selected属性的select为空？

[hk207]

引用 8 楼 xuzuning 的回复:

因为你没有忽略大下写 (?si)<select.+selected.*?>([^<]+).+?/select>

我试过(?i)、(?s)、(?is)，还是不行啊。

[xuzuning]

怎么可能，难道你的机器有问题？

            str = "学历： <SELECT disabled class=text name=xL><OPTION selected value=01>小学</OPTION> <OPTION value=02>初中</OPTION> <OPTION value=03>高中</OPTION> <OPTION value=04>本科</OPTION> <OPTION value=05>研究生</OPTION> <OPTION value=06>博士</OPTION> <OPTION value=07>博士后</OPTION> <OPTION value=08>其它</OPTION></SELECT> ";

            var r = Regex.Replace(r, "(?si)<select.+selected.*?>([^<]+).+?/select>", "$1");
            Console.WriteLine(r);

[hk207]

大神呢？