C# 正則表達式提取 <h3> 標簽內容：命名捕獲組與非貪婪匹配實戰

問題描述

給定 Regex reg = new Regex("<h3>.*</h3>")，如何直接獲取標簽內的文本內容（即星號部分），而不是包含標簽的整個匹配。

核心解法：命名捕獲組 + 非貪婪匹配

var html = @"
標題一
內容
標題二
";

// 1. 正則模式：命名捕獲組 (?...) + 非貪婪 .*?
var pattern = @"
(?.*?)
";
var regex = new Regex(pattern, RegexOptions.IgnoreCase | RegexOptions.Singleline);

// 2. 匹配並提取
foreach (Match match in regex.Matches(html)) {
    if (match.Success) {
        string content = match.Groups["content"].Value; // 直接獲取捕獲組值
        Console.WriteLine(content); // 輸出: 標題一 / 標題二
    }
}

關鍵點解析

進階場景處理

// 1. 標簽帶屬性：
內容
var pattern = @"]*>(?.*?)";

// 2. 巢狀標簽 (正則無法完美處理，建議用 HtmlAgilityPack)
var doc = new HtmlDocument();
doc.LoadHtml(html);
foreach (var node in doc.DocumentNode.SelectNodes("//h3")) {
    Console.WriteLine(node.InnerText); // 自動處理巢狀、實體解碼
}

// 3. 大文件流式處理：Regex.Match + while 避免一次性載入所有匹配
Match m = regex.Match(html);
while (m.Success) {
    Console.WriteLine(m.Groups["content"].Value);
    m = m.NextMatch();
}

工具推薦

• HtmlAgilityPack：NuGet 安裝，專業 HTML 解析器，XPath/CSS 選擇器，容錯率極高，強烈建議替代正則解析 HTML；
• AngleSharp：現代、標準兼容、支持 CSS 選擇器、LINQ 查詢；
• 在線正則測試：regex101.com (解釋、調試、生成代碼)。

總結

正則提取標簽內容：命名捕獲組 (?.*?) + 非貪婪 .*? + Singleline。但**解析 HTML 首選 HtmlAgilityPack/AngleSharp**，正則僅適用於極簡、結構固定、無巢狀片段。生產代碼請用專業解析器，避免「用正則解析 HTML」成為維護噩夢。