正则入门问题：跨多行含非文本字符时提取HTML内容

背景 #

我需要从独立的书籍HTML页面中提取数据，生成书籍和作者列表，目前用正则方法提取书籍标题成功，但提取作者信息时遇到了问题。

成功提取书籍标题的实现 #

使用以下PowerShell代码可以成功获取书籍标题（示例返回结果为My First Cook Book）：

>> $regexp = '<title>listing for - (?<title>.*) \[.*\]'
>> $name = ($url | select-string $regexp -allmatches).matches
>> $name.groups[1].value
My First Cook Book

提取作者信息的失败尝试 #

我推测失败原因是目标HTML代码跨多行或包含特殊字符，尝试的代码及报错如下：

>> $regex1 = '<td class="tboldc" width="170">&nbsp; Author:</td>
>> <td class="tnormg" width="*">&nbsp;(?<author>.*)</td>'

>> $name1 = ($url | select-string $regex1 -allmatches).matches
>> $name.groups[1].value
Cannot index into a null array.
At line:1 char:1
+ $name1.groups[1].value     

我需要提取的作者姓名为D Atherton，尝试过给&添加双引号、调整捕获组的位置，但只有当源码是单行时能得到不同结果，我认为需要匹配两行代码来定位Author:部分，并从第二行提取所需的作者信息。

最终解决方法 #

我最终坚持使用PowerShell正则解决了问题，具体步骤如下：

替换正则表达式 #

将原来的$regex1替换为：

$regex1 = '(?s) Author:<\/td>(?<author>.*?)<\/td' 

提取并清洗作者姓名 #

使用以下代码处理匹配结果，得到最终的作者姓名：

$author = $name1.groups[1].value -creplace '^[^\;]*\;', '' 

内容的提问来源于stack exchange，提问作者CJ Perry