Con le regex è difficile gestire la cosa considerando che un tag potrebbe, per esempio, essere scritto anche su più righe.
Io utilizzerei un bell'automa a stati finiti:
File Prova.html :
<html>
<head>
</head>
<body>
<div id="title">
<!-- DATI -->
</div>
<div id="artist">
<!-- DATI -->
dati dell'artista
</div>
<div id="lyrics">
<!-- DATI -->
</div>
<div id="admin">
<!-- ROBA INUTILE -->
</div>
<div id="header">
<!-- ROBA INUTILE -->
</div>
</body>
</html>
http://www.guidealgoritmi.it/images/ImgForums/HtmlAutomaton.jpg
using System;
using System.Text;
using System.IO;
using System.Windows.Forms;
namespace HtmlAutomaton
{
public partial class Form1 : Form
{
public Form1()
{
InitializeComponent();
}
private void buttonFile_Click(object sender, EventArgs e)
{
OpenFileDialog dlg = new OpenFileDialog();
if (dlg.ShowDialog() == DialogResult.OK)
{
textBoxFile.Text = dlg.FileName;
}
}
private void buttonSearch_Click(object sender, EventArgs e)
{
string strFile = textBoxFile.Text.Trim();
string strDivID = textBoxID.Text.Trim();
textBoxContenuto.Text = "";
if (strFile.Length <= 0)
{
MessageBox.Show("Specificare il nome di un file, prego.");
buttonFile.Focus();
return;
}
if (strDivID.Length <= 0)
{
MessageBox.Show("Specificare l'ID della sezione DIV, prego.");
textBoxID.Focus();
return;
}
Automaton a = new Automaton(strFile);
textBoxContenuto.Text = a.ReadDivContent(strDivID);
}
}
public class Automaton
{
private string buffer = "";
private enum Stati {S_ERROR = -1, S0, S1, S2, S3, S4, S5, S6, S7, S8, S9}
public Automaton(string strFileName)
{
if (File.Exists(strFileName))
{
buffer = File.ReadAllText(strFileName);
}
else
{
buffer = "";
}
}
public string ReadDivContent(string divID)
{
Stati stato = Stati.S0;
string strContent = "Ciao Ciao";
StringBuilder sbContent = new StringBuilder();
StringBuilder sbTemp = new StringBuilder();
int k = 0;
while (k < buffer.Length)
{
switch (stato)
{
case Stati.S0:
if (buffer[k] == '<')
stato = Stati.S1;
break;
case Stati.S1:
if (buffer[k] == ' ' || buffer[k] == '\t' || buffer[k] == '\r' || buffer[k] == '\n')
{
stato = Stati.S1;
}
else if (buffer[k] == 'd' || buffer[k] == 'D')
{
stato = Stati.S0;
if (k < buffer.Length - 2)
{
if (buffer[k + 1] == 'i' || buffer[k + 1] == 'I')
{
if (buffer[k + 2] == 'v' || buffer[k + 2] == 'V')
{
k += 2;
stato = Stati.S2;
}
}
}
}
else
{
stato = Stati.S0;
}
break;
case Stati.S2:
if (buffer[k] == ' ' || buffer[k] == '\t' || buffer[k] == '\r' || buffer[k] == '\n')
{
stato = Stati.S3;
}
else
{
stato = Stati.S0;
}
break;
case Stati.S3:
if (buffer[k] == ' ' || buffer[k] == '\t' || buffer[k] == '\r' || buffer[k] == '\n')
{
stato = Stati.S3;
}
else if (buffer[k] == 'i' || buffer[k] == 'I')
{
stato = Stati.S0;
if (k < buffer.Length - 1)
{
if (buffer[k + 1] == 'd' || buffer[k + 1] == 'D')
{
k++;
stato = Stati.S4;
}
}
}
break;
case Stati.S4:
if (buffer[k] == ' ' || buffer[k] == '\t' || buffer[k] == '\r' || buffer[k] == '\n')
{
stato = Stati.S4;
}
else if (buffer[k] == '=')
{
stato = Stati.S5;
}
break;
case Stati.S5:
if (buffer[k] == ' ' || buffer[k] == '\t' || buffer[k] == '\r' || buffer[k] == '\n')
{
stato = Stati.S4;
}
else if (buffer[k] == '"')
{
k++;
while (k < buffer.Length && buffer[k] != '"')
{
sbTemp.Append(buffer[k]);
k++;
}
if (sbTemp.ToString() == divID)
stato = Stati.S6;
else
stato = Stati.S0;
sbTemp.Remove(0, sbTemp.ToString().Length);
}
break;
case Stati.S6:
if (buffer[k] == ' ' || buffer[k] == '\t' || buffer[k] == '\r' || buffer[k] == '\n')
{
stato = Stati.S6;
}
else if (buffer[k] == '>')
{
stato = Stati.S7;
}
break;
case Stati.S7:
while (k < buffer.Length)
{
if (buffer[k] != '<')
{
sbContent.Append(buffer[k]);
}
else
{
stato = Stati.S8;
break;
}
k++;
}
break;
case Stati.S8:
if (buffer[k] == '/')
{
k++;
while (k < buffer.Length && (buffer[k] == ' ' || buffer[k] == '\t' || buffer[k] == '\r' || buffer[k] == '\n'))
{
k++;
}
if (k < buffer.Length - 3)
{
if (buffer[k] == 'd' || buffer[k] == 'D')
{
if (buffer[k + 1] == 'i' || buffer[k + 1] == 'I')
{
if (buffer[k + 2] == 'v' || buffer[k + 2] == 'V')
{
k += 2;
stato = Stati.S9;
}
}
}
}
}
else
{
sbContent.Append('<');
sbContent.Append(buffer[k]);
stato = Stati.S7;
}
break;
case Stati.S9:
if (buffer[k] == ' ' || buffer[k] == '\t' || buffer[k] == '\r' || buffer[k] == '\n')
{
stato = Stati.S9;
}
else if (buffer[k] == '>')
{
strContent = sbContent.ToString();
}
break;
}
k++;
}
return strContent;
}
}
}
Un bel sito sulle regex, con tanti esempi:
http://www.regular-expressions.info/