正则表达式匹配html

NetAnt007 2011-08-31 11:30:02
<table width="880" border="0" cellpadding="5" cellspacing="1" bgcolor="#EAEAEA">
<tr>
<th width="86" bgcolor="#EFEFEF">货币名称</th>
<th width="86" bgcolor="#EFEFEF">现汇买入价</th>
<th width="86" bgcolor="#EFEFEF">现钞买入价</th>
<th width="86" bgcolor="#EFEFEF">卖出价</th>
<th width="86" bgcolor="#EFEFEF">基准价</th>
<th width="86" bgcolor="#EFEFEF">中行折算价</th>
<th width="86" bgcolor="#EFEFEF">发布日期</th>
<th width="86" bgcolor="#EFEFEF">发布时间</th>
</tr>
<tr align="center">
<td bgcolor="#FFFFFF">英镑</td>
<td bgcolor="#FFFFFF">1033.91</td>
<td bgcolor="#FFFFFF">1001.99</td>
<td bgcolor="#FFFFFF">1042.22</td>
<td bgcolor="#FFFFFF">1041.77</td>
<td bgcolor="#FFFFFF">1041.77</td>
<td bgcolor="#FFFFFF">2011-08-31</td>
<td bgcolor="#FFFFFF">17:08:55</td>
</tr>
<tr align="center">
<td bgcolor="#FFFFFF">港币</td>
<td bgcolor="#FFFFFF">81.65</td>
<td bgcolor="#FFFFFF">81</td>
<td bgcolor="#FFFFFF">81.96</td>
<td bgcolor="#FFFFFF">81.92</td>
<td bgcolor="#FFFFFF">81.92</td>
<td bgcolor="#FFFFFF">2011-08-31</td>
<td bgcolor="#FFFFFF">17:08:55</td>
</tr>
<tr align="center">
<td bgcolor="#FFFFFF">美元</td>
<td bgcolor="#FFFFFF">636.35</td>
<td bgcolor="#FFFFFF">631.24</td>
<td bgcolor="#FFFFFF">638.9</td>
<td bgcolor="#FFFFFF">638.67</td>
<td bgcolor="#FFFFFF">638.67</td>
<td bgcolor="#FFFFFF">2011-08-31</td>
<td bgcolor="#FFFFFF">17:08:55</td>
</tr>
</table>

如上的html 我如何用正则表达式提取出每个<tr>的数据。
...全文
220 15 打赏 收藏 转发到动态 举报
写回复
用AI写文章
15 条回复
切换为时间正序
请发表友善的回复…
发表回复
NetAnt007 2011-09-01
  • 打赏
  • 举报
 回复 
protected void Page_Load(object sender, EventArgs e)

  {

  string strTemp = Http.DownLoadData(@"http://www.boc.cn/sourcedb/whpj/index.html", Encoding.GetEncoding("UTF-8"));

  //string strReg = @"(?is)<td[^>]+>(?<content>[^<]+)</td>";

  string strReg = @"(?is)(?<=<tr[^>]*?>)\s*?<td[^>]*?>.*?</td>(?:\s*?<td\s*?bgcolor=""#FFFFFF""\s*>(.*?)</td>)*\s*(?=</tr>)";

  Regex re = new Regex(strReg, RegexOptions.IgnoreCase | RegexOptions.Singleline);  

  foreach (Match m in re.Matches(strTemp))  

  {  

  Response.Write(m.Groups[1].Value);

  Response.Write("<br>");

  }



  Response.End();

  }



  public static string DownLoadData(string strURL, Encoding oDownLoadDataEncoding)

  {

  string _EncodingName = oDownLoadDataEncoding.CodePage.ToString();



  return DownLoadData(strURL, _EncodingName);

  }



  public static string DownLoadData(string strURL, string DownLoadDataEncodingName)

  {

  byte[] _pageData = null;

  string _pageHtml = "";



  System.Net.WebClient _WebClient = new System.Net.WebClient();

  _pageData = _WebClient.DownloadData(@strURL);

  _WebClient.Dispose();

  _pageHtml = Encoding.GetEncoding(int.Parse(DownLoadDataEncodingName)).GetString(_pageData);

  return _pageHtml;

  }
NetAnt007 2011-09-01
  • 打赏
  • 举报
 回复

protected void Page_Load(object sender, EventArgs e)
{
string strTemp = Http.DownLoadData(@"http://www.boc.cn/sourcedb/whpj/index.html", Encoding.GetEncoding("UTF-8"));
//string strReg = @"(?is)<td[^>]+>(?<content>[^<]+)</td>";
string strReg = @"(?is)(?<=<tr[^>]*?>)\s*?<td[^>]*?>.*?</td>(?:\s*?<td\s*?bgcolor=""#FFFFFF""\s*>(.*?)</td>)*\s*(?=</tr>)";
Regex re = new Regex(strReg, RegexOptions.IgnoreCase | RegexOptions.Singleline);
foreach (Match m in re.Matches(strTemp))
{
Response.Write(m.Groups[1].Value);
Response.Write("<br>");
}

Response.End();
}

public static string DownLoadData(string strURL, Encoding oDownLoadDataEncoding)
{
string _EncodingName = oDownLoadDataEncoding.CodePage.ToString();

return DownLoadData(strURL, _EncodingName);
}

public static string DownLoadData(string strURL, string DownLoadDataEncodingName)
{
byte[] _pageData = null;
string _pageHtml = "";

System.Net.WebClient _WebClient = new System.Net.WebClient();
_pageData = _WebClient.DownloadData(@strURL);
_WebClient.Dispose();
_pageHtml = Encoding.GetEncoding(int.Parse(DownLoadDataEncodingName)).GetString(_pageData);
return _pageHtml;
}
ycproc 2011-09-01
  • 打赏
  • 举报
 回复
[Quote=引用 7 楼 huangwenquan123 的回复:]

喔 看了下，修改了下。
C# code

string str = File.ReadAllText(@"E:\txt.txt", Encoding.GetEncoding("gb2312"));//换成你的字符串
Regex reg = new Regex(@"(?is)(?<=<tr[^>]*?>)\s*?<td[^>]*?>.*?</td>……
[/Quote]

正则都他妈好强大
NetAnt007 2011-09-01
  • 打赏
  • 举报
 回复
恩，奇怪，我是用webclient DownloadData url 得到的html进行转换的，可能有些不同？
我也用控制台实验了一下，确实和你的一样，但是货币名称怎么没有了？
huangwenquan123 2011-09-01
  • 打赏
  • 举报
 回复
不会啊，我出来的是这样的。我是在你提供的那个网址直接匹配它页面的全部html代码得到这个结果。
NetAnt007 2011-09-01
  • 打赏
  • 举报
 回复
楼上的，不行哦。
出来全是
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05
00:00:05

huangwenquan123 2011-09-01
  • 打赏
  • 举报
 回复
喔 看了下，修改了下。


           string str = File.ReadAllText(@"E:\txt.txt", Encoding.GetEncoding("gb2312"));//换成你的字符串

            Regex reg = new Regex(@"(?is)(?<=<tr[^>]*?>)\s*?<td[^>]*?>.*?</td>(?:\s*?<td\s*?bgcolor=""#FFFFFF""\s*>(.*?)</td>)*\s*(?=</tr>)");

            foreach (Match m in reg.Matches(str))

            {

                foreach (Capture c in m.Groups[1].Captures)

                    Console.WriteLine(c.Value);

            }
诺维斯基 2011-09-01
  • 打赏
  • 举报
 回复
huangwenquan123 2011-09-01
  • 打赏
  • 举报
 回复
[Quote=引用 10 楼 netant007 的回复:]
恩，奇怪，我是用webclient DownloadData url 得到的html进行转换的，可能有些不同？
我也用控制台实验了一下，确实和你的一样，但是货币名称怎么没有了？
[/Quote]我还以为你货币名称不要，就没弄上
现在弄上了
            string str = File.ReadAllText(@"E:\1.txt", Encoding.GetEncoding("gb2312"));//换成你的字符串

            Regex reg = new Regex(@"(?is)(?<=<tr[^>]*?>)(?:\s*?<td\s*?bgcolor=""#FFFFFF""\s*>(.*?)</td>)*\s*(?=</tr>)");

            foreach (Match m in reg.Matches(str))

            {

                foreach (Capture c in m.Groups[1].Captures)

                    Console.WriteLine(c.Value);

            }
NetAnt007 2011-08-31
  • 打赏
  • 举报
 回复
我其实是取
http://www.boc.cn/sourcedb/whpj/index.html
这个网址上的各个货币的报价信息。
上面两位运行我给的html是正确的，但是如果套用全部的代码，
ustbwuyi 前面多了几个nbsp；

huangwenquan123 会匹配的多出一些东西，

在帮我改改。谢谢。
huangwenquan123 2011-08-31
  • 打赏
  • 举报
 回复
第一个td标题不取


            string str = @"<table width=""880"" border=""0"" cellpadding=""5"" cellspacing=""1"" bgcolor=""#EAEAEA"">

  <tr>

  <th width=""86"" bgcolor=""#EFEFEF"">货币名称</th>

  <th width=""86"" bgcolor=""#EFEFEF"">现汇买入价</th>

  <th width=""86"" bgcolor=""#EFEFEF"">现钞买入价</th>

  <th width=""86"" bgcolor=""#EFEFEF"">卖出价</th>

  <th width=""86"" bgcolor=""#EFEFEF"">基准价</th>

  <th width=""86"" bgcolor=""#EFEFEF"">中行折算价</th>

  <th width=""86"" bgcolor=""#EFEFEF"">发布日期</th>

  <th width=""86"" bgcolor=""#EFEFEF"">发布时间</th>

  </tr>

  <tr align=""center"">

  <td bgcolor=""#FFFFFF"">英镑</td>

  <td bgcolor=""#FFFFFF"">1033.91</td>

  <td bgcolor=""#FFFFFF"">1001.99</td>

  <td bgcolor=""#FFFFFF"">1042.22</td>

  <td bgcolor=""#FFFFFF"">1041.77</td>

  <td bgcolor=""#FFFFFF"">1041.77</td>

  <td bgcolor=""#FFFFFF"">2011-08-31</td>  

  <td bgcolor=""#FFFFFF"">17:08:55</td>   

</tr>

<tr align=""center"">

  <td bgcolor=""#FFFFFF"">港币</td>

  <td bgcolor=""#FFFFFF"">81.65</td>

  <td bgcolor=""#FFFFFF"">81</td>

  <td bgcolor=""#FFFFFF"">81.96</td>

  <td bgcolor=""#FFFFFF"">81.92</td>

  <td bgcolor=""#FFFFFF"">81.92</td>

  <td bgcolor=""#FFFFFF"">2011-08-31</td>  

  <td bgcolor=""#FFFFFF"">17:08:55</td>   

</tr>

<tr align=""center"">

  <td bgcolor=""#FFFFFF"">美元</td>

  <td bgcolor=""#FFFFFF"">636.35</td>

  <td bgcolor=""#FFFFFF"">631.24</td>

  <td bgcolor=""#FFFFFF"">638.9</td>

  <td bgcolor=""#FFFFFF"">638.67</td>

  <td bgcolor=""#FFFFFF"">638.67</td>

  <td bgcolor=""#FFFFFF"">2011-08-31</td>  

  <td bgcolor=""#FFFFFF"">17:08:55</td>   

</tr>

</table>";

            Regex reg = new Regex(@"(?is)(?<=<tr[^>]*?>)\s*?<td[^>]*?>.*?</td>(?:\s*?<td[^>]*?>(.*?)</td>)*\s*(?=</tr>)");

            foreach (Match m in reg.Matches(str))

            {

                foreach (Capture c in m.Groups[1].Captures)

                    Console.WriteLine(c.Value);

                Console.WriteLine();

            }
ustbwuyi 2011-08-31
  • 打赏
  • 举报
 回复 


  string source = @"<table width=""880"" border=""0"" cellpadding=""5"" cellspacing=""1"" bgcolor=""#EAEAEA"">

  <tr>

  <th width=""86"" bgcolor=""#EFEFEF"">货币名称</th>

  <th width=""86"" bgcolor=""#EFEFEF"">现汇买入价</th>

  <th width=""86"" bgcolor=""#EFEFEF"">现钞买入价</th>

  <th width=""86"" bgcolor=""#EFEFEF"">卖出价</th>

  <th width=""86"" bgcolor=""#EFEFEF"">基准价</th>

  <th width=""86"" bgcolor=""#EFEFEF"">中行折算价</th>

  <th width=""86"" bgcolor=""#EFEFEF"">发布日期</th>

  <th width=""86"" bgcolor=""#EFEFEF"">发布时间</th>

  </tr>

  <tr align=""center"">

  <td bgcolor=""#FFFFFF"">英镑</td>

  <td bgcolor=""#FFFFFF"">1033.91</td>

  <td bgcolor=""#FFFFFF"">1001.99</td>

  <td bgcolor=""#FFFFFF"">1042.22</td>

  <td bgcolor=""#FFFFFF"">1041.77</td>

  <td bgcolor=""#FFFFFF"">1041.77</td>

  <td bgcolor=""#FFFFFF"">2011-08-31</td>  

  <td bgcolor=""#FFFFFF"">17:08:55</td>   

</tr>

<tr align=""center"">

  <td bgcolor=""#FFFFFF"">港币</td>

  <td bgcolor=""#FFFFFF"">81.65</td>

  <td bgcolor=""#FFFFFF"">81</td>

  <td bgcolor=""#FFFFFF"">81.96</td>

  <td bgcolor=""#FFFFFF"">81.92</td>

  <td bgcolor=""#FFFFFF"">81.92</td>

  <td bgcolor=""#FFFFFF"">2011-08-31</td>  

  <td bgcolor=""#FFFFFF"">17:08:55</td>   

</tr>

<tr align=""center"">

  <td bgcolor=""#FFFFFF"">美元</td>

  <td bgcolor=""#FFFFFF"">636.35</td>

  <td bgcolor=""#FFFFFF"">631.24</td>

  <td bgcolor=""#FFFFFF"">638.9</td>

  <td bgcolor=""#FFFFFF"">638.67</td>

  <td bgcolor=""#FFFFFF"">638.67</td>

  <td bgcolor=""#FFFFFF"">2011-08-31</td>  

  <td bgcolor=""#FFFFFF"">17:08:55</td>   

</tr>

</table>";

                string patten = @"(?is)<td[^>]+>(?<content>[^<]+)</td>";

                Regex reg = new Regex(patten);

                MatchCollection collection = reg.Matches(source);

                MessageBox.Show(collection.Count.ToString());

                if (collection.Count > 0)

                {

                    foreach (Match m in collection)

                    {

                        MessageBox.Show(m.Groups["content"].Value);



                    }

                }

                else

                {

                    MessageBox.Show("No Match");

                }

            }

            catch (Exception ex)

            {

                MessageBox.Show(ex.Message);

            }
NetAnt007 2011-08-31
  • 打赏
  • 举报
 回复
其实我就是想抽取出tr里面的有数据的项，第一行是标题，可以不用取。
NetAnt007 2011-08-31
  • 打赏
  • 举报
 回复
不用，只要匹配出td的数据就行。
ustbwuyi 2011-08-31
  • 打赏
  • 举报
 回复
每个tr的数据？th和td标签要取出来么？
用正则表达式匹配HTML标签
在网络爬虫和数据分析中，用到正则表达式匹配HTML标签的情况非常多。本文将介绍如何使用Python re模块进行HTML标签匹配。方法搜索整个文本，返回匹配到的所有结果。最后，将所有匹配到的标签打印出来。方法创建了一...
中文正则表达式匹配-正则中文匹配
原文链接：http://caibaojian.com/zhongwen-regexp.html这篇文章主要讲如何使用正则匹配中文字符，中文正则表达式的匹配规则不像其他正则规则一样容易记住，下面一起看看这个中文正则表达式是怎么样的。\w匹配的仅仅...
正则表达式匹配Html标签
查找所有的TD区域(最短): <td\s*.>\s.*</td>...正则表达式匹配Html标签 例1. 以下是一段Html代码 其它内容... 典经HTML正则表达式! 其它内容... 正则表过式:<tabl...
python正则表达式匹配html指定标签内容_python正则表达式匹配html指定标签内容_Python使用正则表达式去除(过滤)HTML标签提...
Python使用正则表达式去除(过滤)HTML标签提取文字功能，正则表达式是一个特殊的字符序列，可以帮助您使用模式中保留的专门语法来匹配或查找其他字符串或字符串集。 正则表达式在UNIX世界中被广泛使用。下面给大家...
Java 正则表达式匹配
Java 正则表达式匹配
.NET社区

62,268

社区成员

668,981

社区内容

发帖
与我相关
我的任务
社区描述
.NET技术交流专区
javascript云原生 企业社区
社区管理员
  • ASP.NET
  • .Net开发者社区
  • R小R
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告

.NET 社区是一个围绕开源 .NET 的开放、热情、创新、包容的技术社区。社区致力于为广大 .NET 爱好者提供一个良好的知识共享、协同互助的 .NET 技术交流环境。我们尊重不同意见，支持健康理性的辩论和互动，反对歧视和攻击。

希望和大家一起共同营造一个活跃、友好的社区氛围。

试试用AI创作助手写篇文章吧

+ 用AI写文章