110,561
社区成员
发帖
与我相关
我的任务
分享请教正则表达式
我获取到某个网页的HTML代码,例如:
请问如何我忽略前面不关心的数据,获取到
http://item.taobao.com/auction/item_detail-0db1-91ea75432fd891a8e003b4a984c92d44.htm
<<中文版3ds Max 8家居效果图设计完全攻略>>随书光盘
http://img03.taobaocdn.com/bao/uploaded/i3/20071205/911/T1z50aXmY0gky9Tz.7_065338.jpg_sum.jpg
这几个关键的数据,System.Text.RegularExpressions.Regex reg = new System.Text.RegularExpressions.Regex()?.
谢谢.
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>
...(省略)
<ul class="shop-list">
<li>
<h4>
<a target="_blank" href="http://item.taobao.com/auction/item_detail-0db1-91ea75432fd891a8e003b4a984c92d44.htm">
<<中文版3ds Max 8家居效果图设计完全攻略>>随书光盘
</a>
</h4>
<div class="item">
<div class="pic"> <a title="<<中文版3ds Max 8家居效果图设计完全攻略>>随书光盘" href="http://item.taobao.com/auction/item_detail-0db1-91ea75432fd891a8e003b4a984c92d44.htm" target="_blank">
<img src="http://img03.taobaocdn.com/bao/uploaded/i3/20071205/911/T1z50aXmY0gky9Tz.7_065338.jpg_sum.jpg"/>
</a>
</div>
</div>
</li>
</ul>
...(省略)
请问如何我忽略前面不关心的数据,获取到
http://item.taobao.com/auction/item_detail-0db1-91ea75432fd891a8e003b4a984c92d44.htm
<<中文版3ds Max 8家居效果图设计完全攻略>>随书光盘
http://img03.taobaocdn.com/bao/uploaded/i3/20071205/911/T1z50aXmY0gky9Tz.7_065338.jpg_sum.jpg
这几个关键的数据,System.Text.RegularExpressions.Regex reg = new System.Text.RegularExpressions.Regex()?.
谢谢.
...全文
请发表友善的回复…
发表回复
snowbirdfly 2009-05-14
- 打赏
- 举报
问题解决了，谢谢~~~
snowbirdfly 2009-05-13
- 打赏
- 举报
恩，很感谢楼上的哥们热心帮忙~~~
-过客- 2009-05-13
- 打赏
- 举报
具体问题具体分析，效率有开发效率和执行效率，要看处理对象的大小，复杂度等等，还要看知识的掌握程度
对于我来说，这种问题我会毫不犹豫的选择正则，因为基本上不占用开发时间，呵呵
正则并不代表低的执行效率，要看正则写出的正则和使用的方式
对于我来说，这种问题我会毫不犹豫的选择正则，因为基本上不占用开发时间，呵呵
Regex regUl = new Regex(@"<ul\s+class=""shop-list"">(?>(?:(?!</?ul\b).)*)</ul>", RegexOptions.Singleline | RegexOptions.IgnoreCase | RegexOptions.Compiled);
Regex regCon = new Regex(@"<a\s+title=""(?<title>[^""]*)""\s+href=""(?<url>[^""]*)""[^>]*>\s*<img\s+src=""(?<src>[^""]*)""[^>]*>\s*</a>", RegexOptions.IgnoreCase | RegexOptions.Compiled);
Match mUl = regUl.Match(yourStr);
if (mUl.Success)
{
Match mCon = regCon.Match(mUl.Value);
if(mCon.Success)
{
richTextBox2.Text += mCon.Groups["title"].Value + "\n";
richTextBox2.Text += mCon.Groups["url"].Value + "\n";
richTextBox2.Text += mCon.Groups["src"].Value + "\n";
}
}正则并不代表低的执行效率，要看正则写出的正则和使用的方式
snowbirdfly 2009-05-13
- 打赏
- 举报
恩，谢谢10楼热心回答，主要是数据是HTML数据，不是XML，HTML随意性比较大，所以.net里面没有像
所以，处理这个问题，还是利用正则表达式来判断，这个我也是从网上找了很多资料获知的，呵呵~~~
WebResponse resp = myWebRequest.GetResponse();
Stream stream = resp.GetResponseStream();
XmlTextReader reader = new XmlTextReader(stream);
reader.XmlResolver = null; // ignore the DTD
reader.WhitespaceHandling = WhitespaceHandling.None;
所以，处理这个问题，还是利用正则表达式来判断，这个我也是从网上找了很多资料获知的，呵呵~~~
snowbirdfly 2009-05-13
- 打赏
- 举报
恩，可能我没有说清楚，实际上我只关心整个HTML里面其中的一部分数据：
具体的数据就是刚才所说的数据，那么我处理的话，可能就是先判断到该数据的开始部分，然后判断什么地方结束，然后获取直接的数据部分，利用正则表达式来从该部分数据来获取自己想获取的数据~~~
不知道这样效率怎么样，用DOM的话，每个都处理的话，大部分数据不关心，这样会不会影响效率？
<ul class="shop-list">
<li>
<h4>
<a target="_blank" href="http://item.taobao.com/auction/item_detail-0db1-91ea75432fd891a8e003b4a984c92d44.htm">
<<中文版3ds Max 8家居效果图设计完全攻略>>随书光盘
</a>
</h4>
<div class="item">
<div class="pic"> <a title="<<中文版3ds Max 8家居效果图设计完全攻略>>随书光盘" href="http://item.taobao.com/auction/item_detail-0db1-91ea75432fd891a8e003b4a984c92d44.htm" target="_blank">
<img src="http://img03.taobaocdn.com/bao/uploaded/i3/20071205/911/T1z50aXmY0gky9Tz.7_065338.jpg_sum.jpg"/>
</a>
</div>
</div>
</li>
</ul>
具体的数据就是刚才所说的数据，那么我处理的话，可能就是先判断到该数据的开始部分，然后判断什么地方结束，然后获取直接的数据部分，利用正则表达式来从该部分数据来获取自己想获取的数据~~~
不知道这样效率怎么样，用DOM的话，每个都处理的话，大部分数据不关心，这样会不会影响效率？
jimmyroc 2009-05-13
- 打赏
- 举报
实际上，像你这种情况，使用正则表达式是很麻烦的，而且通用不好，容易出错，最近在做这个类似的，可以用xmldocument 类里的方法来解决，
首先可以用一段正则表达式来获取<ul class="shop-list"></ul> ，然后，用Xpath来去值，代码如下：
首先可以用一段正则表达式来获取<ul class="shop-list"></ul> ，然后，用Xpath来去值，代码如下：
Regex reg=new Regex(@"<ul[^>]*?class=""shop-list""[^>]*>((?>(?<o><ul[^>]*>)|(?<-o></ul>)|(?:(?!</?ul)[\s\S]))*)(?(o)(?!))</ul>");
Match m=reg.match(htmlsrc);
string s="";
if(m.success)
s=m.group[0].value;
XmlDocument xm = new XmlDocument();
xm.LoadXml(s);
//
//后面可以用xmldocumen的一些方法来取值
//
XmlNodeList NodeList = xml.SelectNodes("ul/div");//这里XPath可以写上你的筛选条件，
foreach(XmlNode xn in NodeList)
{
//要存入到数据库或者数字等
}
-过客- 2009-05-13
- 打赏
- 举报
[Quote=引用 8 楼 snowbirdfly 的回复:]
呵呵，太感谢5楼的~~~
可能我没有说明白，就是这个网页的前面部分我不关心，应该直接判断到 <ul class="shop-list">
，这个地方，可能用字符串判断就可以，要么就是2楼的方法，用DOM 来做~~~
[/Quote]
那到了<ul class="shop-list"> 之后呢，比如这之后的代码中有不需要的<a...>...</a>，如何区分
如果能用DOM来处理，DOM会简单些，正则会灵活些
呵呵，太感谢5楼的~~~
可能我没有说明白，就是这个网页的前面部分我不关心，应该直接判断到 <ul class="shop-list">
，这个地方，可能用字符串判断就可以，要么就是2楼的方法，用DOM 来做~~~
[/Quote]
那到了<ul class="shop-list"> 之后呢，比如这之后的代码中有不需要的<a...>...</a>，如何区分
如果能用DOM来处理，DOM会简单些，正则会灵活些
snowbirdfly 2009-05-13
- 打赏
- 举报
呵呵，太感谢5楼的~~~
可能我没有说明白，就是这个网页的前面部分我不关心，应该直接判断到<ul class="shop-list">
，这个地方，可能用字符串判断就可以，要么就是2楼的方法，用DOM 来做~~~
可能我没有说明白，就是这个网页的前面部分我不关心，应该直接判断到<ul class="shop-list">
，这个地方，可能用字符串判断就可以，要么就是2楼的方法，用DOM 来做~~~
liangzhl 2009-05-13
- 打赏
- 举报
顶下
snowbirdfly 2009-05-13
- 打赏
- 举报
再up下~~~
在线关注~~~
在线关注~~~
-过客- 2009-05-13
- 打赏
- 举报
需求看起来不是很明确，根据什么来区分关心的和不关心的数据？
根据楼主的例子可以写出以下正则
但是因为楼主的需求不是很明确，所以以上代码可能仅适用于这个例子，需要楼主更清楚的说明一下需求
如要提取的数据符合什么样的规律，哪一部分会变，哪一部分固定等等
根据楼主的例子可以写出以下正则
MatchCollection mc = Regex.Matches(yourStr, @"<a\s+title=""(?<title>[^""]*)""\s+href=""(?<url>[^""]*)""[^>]*>\s*<img\s+src=""(?<src>[^""]*)""[^>]*>\s*</a>", RegexOptions.IgnoreCase);
foreach (Match m in mc)
{
richTextBox2.Text += m.Groups["title"].Value + "\n";
richTextBox2.Text += m.Groups["url"].Value + "\n";
richTextBox2.Text += m.Groups["src"].Value + "\n";
}但是因为楼主的需求不是很明确，所以以上代码可能仅适用于这个例子，需要楼主更清楚的说明一下需求
如要提取的数据符合什么样的规律，哪一部分会变，哪一部分固定等等
snowbirdfly 2009-05-13
- 打赏
- 举报
谢谢,我看看~~~
cppfaq 2009-05-13
- 打赏
- 举报
UP
不过窃以为DOM更合适
不过窃以为DOM更合适
snowbirdfly 2009-05-13
- 打赏
- 举报
最好能给点正则表达式公式,谢谢~~~
分数不够可以再加~~~
分数不够可以再加~~~
