求匹配HTML中有序列表内<li>开始标签的C#正则表达式

解决方案正则表达式 #

结合C#正则特性，启用单行模式后可使用以下表达式匹配目标内容：

(?<=<ol>.*?)<li[^>]*>

需配合RegexOptions.Singleline选项，让.能匹配换行符，适配HTML的换行结构。

在C#中的使用示例 #

string htmlContent = @"<div>
<ul>
<li>Apple
<li>Banana
<li style=color:red>Cherry
</ul>
<ol>
<li>Avocado
<li>Beetroot
<li style=color:orange>Carrot
</ol>
<ul>
<li>Test Item A</li>
<li>Test Item B</li>
<li>Test Item C</li>
</ul>
<ol>
<li>Test Item 1</li>
<li>Test Item 2</li>
<li>Test Item 3</li>
</ol>
</div>";

Regex regex = new Regex(@"(?<=<ol>.*?)<li[^>]*>", RegexOptions.Singleline);
MatchCollection matches = regex.Matches(htmlContent);

// 输出匹配结果
foreach (Match match in matches)
{
    Console.WriteLine(match.Value);
}

正则逻辑解释 #

• (?<=<ol>.*?)：反向预查，确保当前位置处于<ol>标签之后，.*?采用非贪婪匹配，避免跨多个<ol>块匹配内容
• <li[^>]*>：精准匹配<li>开始标签，[^>]*可匹配任意属性（比如style=color:orange），直到标签闭合的>结束
• RegexOptions.Singleline：让.能匹配换行符，处理HTML中标签跨行的情况

你之前正则的问题分析 #

1. 第一个表达式(?<=<ol>)[^<]*<li[^>]*>：[^<]*只能匹配<ol>之后到第一个<之间的内容，因此只能捕捉到<ol>后的第一个<li>，无法匹配后续的<li>标签
2. 第二个表达式(?<=<ol>)[^<]*<li[^>]*>(?=</ol>)：(?=</ol>)要求<li>标签紧跟</ol>，同时[^<]*的限制也只能匹配第一个<li>，自然没有匹配结果

内容的提问来源于stack exchange，提问作者Tristan Bailey