PowerShell提取指定HTML元素内容求助：ParsedHtml失效后正则方案

问题场景 #

• 用PowerShell Invoke-WebRequest获取目标页面HTML并存入变量
• 尝试$Result.ParsedHtml提取id为LW1的单元格内<span class=name>标签文本失败，推测是HTML结构或动态渲染导致解析问题
• 需求：
  1. 定位id为LW1的单元格
  2. 匹配该单元格内的<span class=name>标签
  3. 提取并导出标签内的文本内容

正则实现代码 #

# 从Invoke-WebRequest结果中获取原始HTML
$htmlContent = $Result.Content

# 兼容单/双引号属性的正则表达式
$regexPattern = '(?s)<[^>]+id=["''"]LW1["''"][^>]*>.*?<span class=["''"]name["''"]>(?<playerText>.*?)<\/span>'
$match = [regex]::Match($htmlContent, $regexPattern)

if ($match.Success) {
    $extractedText = $match.Groups['playerText'].Value
    # 控制台输出结果
    Write-Host "提取结果：$extractedText"
    # 导出到本地文本文件
    $extractedText | Out-File -Path "extracted_content.txt" -Encoding UTF8
} else {
    Write-Host "未找到匹配内容"
}

正则逻辑说明 #

• (?s)：开启单行模式，允许.匹配换行符，适配跨多行的HTML结构
• id=["''"]LW1["''"]：兼容HTML属性使用单引号或双引号的写法
• (?<playerText>.*?)：非贪婪捕获span标签内的文本，避免匹配到后续无关的HTML代码

额外提示 #

$Result.ParsedHtml失效多因页面包含JS动态渲染内容，Invoke-WebRequest仅能获取静态原始HTML。正则是快速解决方案，若需长期稳定解析，可使用HtmlAgilityPack这类专门的HTML解析模块（需先通过Install-Module HtmlAgilityPack安装）。

内容的提问来源于stack exchange，提问作者ronweis