正则表达式从网页html代码里获取数据

gdk123 2012-04-19 09:36:47
<div class="ry_box">
<dl class="ry_boxleft">
<p class="ry_picbd"><a href="http://www.m1905.com/yx/film/c1f509553.html"><img src="http://image11.m1905.cn/uploadfile/2012/0406/thumb_1_98_137_20120406050041947.jpg" alt="我是中国人" title="我是中国人" /></a></p>
</dl>
<dl class="line-h24 ry_boxright">
<p class="f14 color_blue h24px">
<span class="fl"><a href="http://www.m1905.com/yx/film/c1f509553.html" title="我是中国人">我是中国人</a></span>
<span class="sm_star1 fl ml05 mt02"><span class="sm_star2" style="width:58%;"></span><span class="star_cont" style="display:none">5.8分</span></span>
</p>
<p class="mt02"><span class="color_gray1">主演：</span><a href="http://www.m1905.com/mdb/film/list/starring-2994182/" target="_blank" title="查看该演员参加的影片">李乾铭</a> / <a href="http://www.m1905.com/mdb/film/list/starring-1014/" target="_blank" title="查看该演员参加的影片">颜丹晨</a> / <a href="http://www.m1905.com/mdb/film/list/starring-2991308/" target="_blank" title="查看该演员参加的影片">张岩</a></p>
<p><span class="color_gray1">类型：</span><a href="http://www.m1905.com/mdb/film/list/mtype-15/" target="_blank">剧情</a> <a href="http://www.m1905.com/mdb/film/list/mtype-30/" target="_blank">战争</a> </p>
<p><span class="color_gray1">上映时间：</span>2012-04-19</p>
<p class="time_net mt10 color_blue"><a href="http://www.m1905.com/yx/film/c1f509553.html">放映时间表</a></p>
</dl>
</div>





用正则表达式获取 <dl class="line-h24 ry_boxright">
里边a标签上 "http://www.m1905.com/yx/film/c1f509553.html" 以及title


请假各位大侠。。。。
...全文
300 9 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
9 条回复
切换为时间正序
请发表友善的回复…
发表回复
gdk123 2012-04-19
  • 打赏
  • 举报
 回复
[Quote=引用 4 楼 的回复:]
引用 2 楼 的回复:
1.txt就是你贴的html文本

C# code


string input = File.ReadAllText(@"C:\1.txt", Encoding.GetEncoding("gb2312"));
Dictionary<string, string> dic = new Dictionary<string, string>(……




……
[/Quote]


求解啊！！！
EnForGrass 2012-04-19
  • 打赏
  • 举报
 回复
[Quote=引用 3 楼 的回复:]

引用 2 楼 的回复:
1.txt就是你贴的html文本

C# code


string input = File.ReadAllText(@"C:\1.txt", Encoding.GetEncoding("gb2312"));
Dictionary<string, string> dic = new Dictionary<string, string>(……



……
[/Quote]
你只要 用个变量存储就行了 像这种string input存储到input中啊
gdk123 2012-04-19
  • 打赏
  • 举报
 回复
[Quote=引用 2 楼 的回复:]
1.txt就是你贴的html文本

C# code


string input = File.ReadAllText(@"C:\1.txt", Encoding.GetEncoding("gb2312"));
Dictionary<string, string> dic = new Dictionary<string, string>(……
[/Quote]



非常感谢 这个正则表达式取出了我想要的数据。

问题补充：如果要获取所有的数据，即取到数据总数该怎么设置。完整代码如下：


<div class="ry_box">
<dl class="ry_boxleft">
<p class="ry_picbd"><a href="http://www.m1905.com/yx/film/c1f497330.html"><img src="http://image11.m1905.cn/uploadfile/2012/0323/thumb_1_98_137_20120323112327980.jpg" alt="关于爱情和那些魔鬼" title="关于爱情和那些魔鬼" /></a></p>
</dl>
<dl class="line-h24 ry_boxright">
<p class="f14 color_blue h24px">
<span class="fl"><a href="http://www.m1905.com/yx/film/c1f497330.html" title="关于爱情和那些魔鬼">关于爱情和那些魔鬼</a></span>
<span class="sm_star1 fl ml05 mt02"><span class="sm_star2" style="width:68%;"></span><span class="star_cont" style="display:none">6.8分</span></span>
</p>
<p class="mt02"><span class="color_gray1">主演：</span><a href="http://www.m1905.com/mdb/film/list/starring-2340/" target="_blank" title="查看该演员参加的影片">杨童舒</a> / <a href="http://www.m1905.com/mdb/film/list/starring-1567/" target="_blank" title="查看该演员参加的影片">莫少聪</a> / <a href="http://www.m1905.com/mdb/film/list/starring-15997/" target="_blank" title="查看该演员参加的影片">洪剑涛</a></p>
<p><span class="color_gray1">类型：</span><a href="http://www.m1905.com/mdb/film/list/mtype-25/" target="_blank">喜剧</a> <a href="http://www.m1905.com/mdb/film/list/mtype-1/" target="_blank">爱情</a> <a href="http://www.m1905.com/mdb/film/list/mtype-15/" target="_blank">剧情</a> </p>
<p><span class="color_gray1">上映时间：</span>2012-04-01</p>
<p class="time_net mt10 color_blue"><a href="http://www.m1905.com/yx/film/c1f497330.html">放映时间表</a></p>
</dl>
</div>
<div class="blue14fontbold" id="new_page">
<span><img height="11" width="6" src="http://www.m1905.com/m_images/images/pageleft.jpg">  </span><span>总数：<b>23</b></span>  <a class="pre" href="http://www.m1905.com/yx/film/c1p0.html">上一页</a><u><b>1</b></u> <a href="http://www.m1905.com/yx/film/c1p2.html">2</a> <a href="http://www.m1905.com/yx/film/c1p3.html">3</a> <a class="next" href="http://www.m1905.com/yx/film/c1p2.html">下一页</a><span>  <img height="11" width="6" src="http://www.m1905.com/m_images/images/pageright.jpg"></span>
</div>
gdk123 2012-04-19
  • 打赏
  • 举报
 回复
[Quote=引用 2 楼 的回复:]
1.txt就是你贴的html文本

C# code


string input = File.ReadAllText(@"C:\1.txt", Encoding.GetEncoding("gb2312"));
Dictionary<string, string> dic = new Dictionary<string, string>(……
[/Quote]



贴出来的html文本是从网页上获取的即时变化的数据，不是固定的文本文件，这个需要怎么处理呢？
EnForGrass 2012-04-19
  • 打赏
  • 举报
 回复
1.txt就是你贴的html文本


            string input = File.ReadAllText(@"C:\1.txt", Encoding.GetEncoding("gb2312"));

            Dictionary<string, string> dic = new Dictionary<string, string>();

            MatchCollection mc = Regex.Matches(input, @"(?is)<dl\s*class=""line-h24 ry_boxright"">\s*<p [^>]*>\s*<span[^>]*><a\s*href=""([^""]*)""\s*title=""([^""]*)"">.*?</a></span>.*?\s*</p>");

            foreach (Match mx in mc )

            {

                Console.WriteLine(mx.Groups[1].Value);//http://www.m1905.com/yx/film/c1f509553.html

                Console.WriteLine(mx.Groups[2].Value); //我是中国人

                dic.Add(mx.Groups[1].Value, mx.Groups[2].Value);

            }
gdk123 2012-04-19
  • 打赏
  • 举报
 回复
<div class="blue14fontbold" id="new_page"><span><img height="11" width="6" src="http://www.m1905.com/m_images/images/pageleft.jpg">  </span><span>总数：

<b>23</b></span>  <a class="pre" href="http://www.m1905.com/yx/film/c1p0.html">上一页</a><u><b>1</b></u> <a href="http://www.m1905.com/yx/film/c1p2.html">2</a>

<a href="http://www.m1905.com/yx/film/c1p3.html">3</a> <a class="next" href="http://www.m1905.com/yx/film/c1p2.html">下一页</a><span>  <img height="11" width="6"

src="http://www.m1905.com/m_images/images/pageright.jpg"></span>
</div>


在以上取到“c1f509553”以及“我是中国人”之后 在从这个div里获取a标签里href上的内容，即：http://www.m1905.com/yx/film/c1p3.html的正则怎么写，他们可以合并么？
EnForGrass 2012-04-19
  • 打赏
  • 举报
 回复
[Quote=引用 7 楼 的回复:]

如题：
如果只取a标签上 "http://www.m1905.com/yx/film/c1f509553.html" c1f509553以及title这个正则表达式@"(?is)<dl\s*class=""line-h24 ry_boxright"">\s*<p [^>]*>\s*<span[^>]*><a\s*href=""([^""]*)""\s*title=""([^""]*)……
[/Quote]



            string input = File.ReadAllText(@"C:\1.txt", Encoding.GetEncoding("gb2312"));

            Dictionary<string, string> dic = new Dictionary<string, string>();

            MatchCollection mc = Regex.Matches(input, @"(?is)<dl\s*class=""line-h24 ry_boxright"">\s*<p [^>]*>\s*<span[^>]*><a\s*href="".*?/([^/]*).html""\s*title=""([^""]*)"">.*?</a></span>.*?\s*</p>");

            foreach (Match mx in mc )

            {

                Console.WriteLine(mx.Groups[1].Value);//c1f509553

                Console.WriteLine(mx.Groups[2].Value);//我是中国人

                dic.Add(mx.Groups[1].Value, mx.Groups[2].Value);

            }
gdk123 2012-04-19
  • 打赏
  • 举报
 回复
如题：
如果只取a标签上 "http://www.m1905.com/yx/film/c1f509553.html" c1f509553以及title这个正则表达式@"(?is)<dl\s*class=""line-h24 ry_boxright"">\s*<p [^>]*>\s*<span[^>]*><a\s*href=""([^""]*)""\s*title=""([^""]*)"">.*?</a></span>.*?\s*</p>");
怎么修改一下。我对正则一片茫然啦！

ASPNETStripHtmlCode
C#使用正则表达式提取网页中的信息数据 包括 网页标题（title），文本（text），图片（image），链接（link），表格（table）
正则表达式：学习使用正则表达式提取网页中的目标数据
谨慎处理复杂的HTML结构：正则表达式对于简单的目标数据提取还比较有效，但是当处理复杂的HTML结构时，可能会遇到问题。表示我们希望提取的目标数据，即链接的URL部分。提取目标数据：使用Python的re模块中的函数（如re.findall()、re.search()等）来搜索匹配正则表达式模式的文本，并提取目标数据。总之，使用正则表达式提取网页中的目标数据需要熟悉正则表达式语法，并根据目标数据的特征构建相应的正则表达式模式。构建正则表达式：根据你想要提取的目标数据的特征，构建相应的正则表达式模式。
[python] 常用正则表达式爬取网页信息及分析HTML标签总结
这篇文章主要是介绍Python爬取网页信息时，经常使用的正则表达式及方法。它是一篇总结性文章，实用性比较大，主要解决自己遇到的爬虫问题，也希望对你有所帮助~ 当然如果会Selenium基于自动化测试爬虫、BeautifulSoup分析网页DOM节点，这就更方便了，但本文更多的是介绍基于正则的底层爬取分析。 涉及内容如下： 常用正则表达式爬取网页信息及HTML分析总结 1.获取<t...
Python爬虫数据抽取：使用正则表达式提取网页内容
通过使用正则表达式，我们可以方便地从HTML源代码中提取出我们需要的数据。然而，在处理复杂的HTML结构时，使用专门的HTML解析库会更加方便和可靠。现在我们已经获取到了网页的HTML源代码，接下来我们可以使用正则表达式来提取我们需要的数据。接下来，我们需要获取网页的HTML源代码。除了提取链接，我们还可以使用正则表达式来提取其他类型的数据，比如提取电子邮件地址、日期、价格等等。以上示例只是展示了正则表达式的一小部分功能，正则表达式的语法非常强大，可以根据不同的需求进行灵活的匹配和提取。
python正则表达式爬取网页数据_常用正则表达式爬取网页信息及HTML分析总结
Python爬取网页信息时，经常使用的正则表达式及方法。1.获取标签之间内容2.获取超链接之间内容3.获取URL最后一个参数命名图片或传递参数4.爬取网页中所有URL链接5.爬取网页标题title两种方法6.定位table位置并爬取属性-属性值7.过滤等标签8.获取等标签内容1). 获取标签之间内容开始标签如：、、、、、...后缀标签如：、、、、、...核心代码：res_tr = r'(.*?)'...
.NET社区

62,243

社区成员

668,998

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