C#で正規表現

質問

C#で、HTML形式で書かれた文字列から情報取得したいと思っています。
その際に使う文字列判別のための正規表現についてご助言ください。

現在、Regex.Replaceで、＜＞カッコに囲まれた部位は削除、残りの文字列を解析して情報取得しています。
これをHTMLのテーブル、つまり＜td＞＜/td＞※で囲まれた文字列を取得するよう仕様変更したいと思っています
※実際は＜td width=・・・・＞などとなります。
このサイトのページ最下部のC#ソースにありますような書き方をしようと思っています。
http://dobon.net/vb/dotnet/string/regexmatch.html

以上が、質問概要です。
私が正規表現を書いたとき分からなかった点は、

１．”（半角のダブルクォーテーション）の扱い・指定方法
２．＜ｔｄ＞＜／ｔｄ＞で囲まれた、というような表現の具体的な書き方
３．＜ｔｄ＞＜／ｔｄ＞内には＜ｆｏｎｔ＞などのさらに＜＞で囲まれた部位が混入、その対処方法

参考までに、処理対象となるサイトはこちらになります。
http://www.traders.co.jp/stocks_data/data/brand_move/brand_move.asp

以上よろしくお願いいたします。

回答No.1

sakusaker7 · ベストアンサー

この種の処理に正規表現(だけ)で処理を行おうとするのはあまりお勧めできません。
なぜなら、HTMLのような構造を持ったデータを処理するのには向いていないからです(できないというわけでもない)。

CodeZine：Microsoft C#でのHTML構文解析（.NET Framework, 構文解析, パーサ, HTML）
http://codezine.jp/a/article/aid/145.aspx#

のような手段を考えることをお勧めします。

まあ参考までに書いておきますが、
<td 属性>データ</td>
というパターンなら、
<td[^>]*>(.*?)</td>
で最初のグループに td の中身が取れます。

>　１．”（半角のダブルクォーテーション）の扱い・指定方法

これは \" でいけませんか?

お礼

すべてを見透かされたようで、少し恥ずかしい気分です。
というのは、実はそのサイトを見た後、「な、長い」と思い、苦手なくせに正規表現での抽出に逃げようとした経緯があったからです＾＾；

１．Perlスクリプトであると簡単にTD属性の情報が取得できるので、それを利用する
２．HTML構文解析ルーチンを設けて、それで対応する
３．教えていただいた正規表現でとりあえず運用する

３で運用しつつ、１での運用を準備し、２を勉強して将来に備える、
この流れで、sakusaker7さんのご助言を生かしたいと思います。

ありがとうございました。