正規表現でHTMLテーブルを解析する

Question

HTMLファイル内のテーブルを削除しようとしています。具体的には、次のドキュメントでは、タグ<TABLE....> and </TABLE>内のものを削除したいと考えています。文書には複数の表があり、その間にテキストがあります。

しかし、私が思い描いた式<TABLE.*>\s*[\s|\S]*</TABLE>\s*は、テーブル間のテキストを削除します。実際には、最初の<TABLE>と最後の</TABLE>タグの間のすべてが削除されます。その間にテキストを残しておき、テーブルだけを削除したいと思います。どんな提案も大歓迎です。ありがとう。

==================== 

<TABLE STYLE=xxx, Font=yyy, etc> 

table texts that should be DELETED... 

</TABLE> 


other texts that should be KEPT... 


<TABLE STYLE=xxx, Font=yyy, etc> 

table texts that should be DELETED... 

</TABLE> 

========================================== 

Answer 1

答えはHTMLまたはSGMLパーサーを使用することで、.NETのためのいくつかの周りがあります

http://htmlagilitypack.codeplex.com/

SGML parser .NET recommendations

あなたは絶対に正規表現を使用したい場合は、習熟あなた自身がbalancing groupsで、それ以外の場合はネストされたテーブルが壊れます。それは簡単ではないし、通常のSGMLパーサよりもはるかに遅く実行するかもしれない。あなたの表現を見て、私はあなたが正規表現の初心者であることを前提としています（ヒント：欲望を避けるために貪欲な.のマッチを避けてください）。

Answer 2

私が知っているあなたは、HTMLパーサを見てするつもりはないので、私はあなたを伝える場合でも、あなたは本当に、私は疑問にお答えします必要があります。

これはテーブルのみに一致します。dotallとignoreCase：

<table.*?>.*?</table> 

それは2つのオプションが必要です。

あなたはここでそれを試すことができます：http://gskinner.com/RegExr/

                                                           

今すぐOKルセロによって提案されたHTMLの敏捷性パックを使用することを検討していますか？

編集：多分これはあなたが何を意味し、申し訳ありません：