如何循环提取HTML文本中所有<p>与</p>标记间的数据？

我来帮你搞定这个提取转义HTML中<p>标签内容的问题！你当前的代码只能拿到第一个匹配项，核心问题在于手动处理字符串索引和删除的逻辑有误——每次循环都在操作原始字符串，没法正确定位到下一个标签的位置，而且Remove方法的参数使用也不对（第二个参数应该是删除的长度，不是结束索引）。

最简洁的解决方案：用正则表达式直接匹配所有内容 #

正则表达式可以一次性找到所有符合条件的匹配项，无需手动处理索引，代码更简洁可靠。针对你转义后的<p>和</p>标签，可以用非贪婪模式确保每个匹配都停在最近的结束标签上，避免把多个段落内容合并成一个。

完整代码示例：

string ImpureCText = "<p>hello this is the first part</p>fgbtfhsgs <p> this is the second part</p> <p> this is the third part</p>";

// 定义正则模式：匹配转义的<p>开头，捕获中间内容，直到转义的</p>结束
string pattern = @"&lt;p&gt;(.*?)&lt;/p&gt;";

// 获取所有匹配结果
MatchCollection matches = Regex.Matches(ImpureCText, pattern);

// 遍历输出每个段落内容
foreach (Match match in matches)
{
    // Groups[1]对应括号里捕获的内容，Trim()可以去掉前后多余的空格
    string paragraphContent = match.Groups[1].Value.Trim();
    Console.WriteLine("提取到的段落：" + paragraphContent);
}

Console.ReadKey();

如果你想手动循环处理（理解底层逻辑） #

如果一定要手动操作字符串索引，关键是每次处理完一个段落之后，要更新起始位置，让下一次查找从当前结束标签的后面开始，而不是从头找。修改后的代码如下：

string ImpureCText = "<p>hello this is the first part</p>fgbtfhsgs <p> this is the second part</p> <p> this is the third part</p>";
var startTag = "<p>";
var endTag = "</p>";

int currentPosition = 0;

while (true)
{
    // 从当前位置开始找下一个startTag
    int startIndex = ImpureCText.IndexOf(startTag, currentPosition);
    if (startIndex == -1) break; // 找不到更多startTag，退出循环

    // 计算内容的起始位置（跳过startTag）
    int contentStart = startIndex + startTag.Length;
    // 从内容起始位置找对应的endTag
    int endIndex = ImpureCText.IndexOf(endTag, contentStart);
    if (endIndex == -1) break; // 找不到对应的endTag，退出循环

    // 提取段落内容
    string paragraphContent = ImpureCText.Substring(contentStart, endIndex - contentStart).Trim();
    Console.WriteLine("提取到的段落：" + paragraphContent);

    // 更新当前位置到endTag之后，准备下一次查找
    currentPosition = endIndex + endTag.Length;
}

Console.ReadKey();

为什么你的原代码会失败？ #

• 你在循环里调用ImpureCText.IndexOf("<p>")每次都会返回第一个标签的位置，没有更新查找起点；
• Remove方法的第二个参数是要删除的长度，但你传入的是endTag的索引，这会导致删除的长度错误，而且你没有把删除后的结果重新赋值给ImpureCText，所以原始字符串根本没变化。

内容的提问来源于stack exchange，提问作者user11783777