62,074
社区成员
发帖
与我相关
我的任务
分享匹配html标签的正则表达式
<p class="t">xxxxx</p><font>xxxxxxx</font><br/><br/>
<span>xxxxxxxx</span ><br/> <br/>
<span>xxxx</span ><br/><br/>
<p class="t">xxxxx</p> - <a herf="xxxxxx.html">xxxxxxxx</a><br/><br/>
<span>xxxxxx</span ><br/><br/>
<p class="t">xxxxxx</p> - <a herf="xxxxxx.html">xxxx</a><br/><br/>
<div><p class="t">xxxxx</p></div><br/><br/>
<p class="t">xxxxxxx</p> - <a herf="xxxxx.html">xxxxxxxxxxxx</a><br/><br/>
<table><tr><td>xxxxxx</td></tr></table><br/><br/>
以上为一段测试数据。
想通过正则来抓取<p class="t">xxxxx</p> - <a herf="xxxxxx.html">xxxxxxxx</a> 这个内容。
应该说是这个整体的内容，内容数据里有<p class="t">xxxxx</p>这段，但我要的是<p class="t">xxxxx</p> - <a herf="xxxxxx.html">xxxxxxxx</a>这个整体的标签内容。也就是说每次都是抓取这段内容。其中打x的为动态内容。通过以下代码可以获取到所需内容，但连<p class="t">xxxxx</p>这段也抓取到了，因为<p class="t">xxxxx</p>这段没有与 "- <a herf="xxxxx.html">xxxxxxxxxxxx</a>" 这种类型的靠在一起，所以
被视为不需要的数据。请问如何修改以下代码的正则，让它每次抓取的都是以上给出的一个整体块内容。
"<p class="t">xxxxx</p> - <a herf="xxxxxx.html">xxxxxxxx</a>" 注意：中间横线的左右为不固定的空格或回车
string regex = "<p class=\"t\">(?<content1>.+?)</p>\\s[-]\\s<a href=(?<url>.+?)>(? <content2>.+?)</a>";
Regex reg = new Regex(regex , RegexOptions.IgnoreCase | RegexOptions.Compiled);
MatchCollection ms = reg.Matches(myHtml);
foreach (Match m in ms) { string url = m.Groups["url"].Value;
string content1 = m.Groups["content1"].Value;
string content2 = m.Groups["content2"].Value;
}
此问题贴已在http://bbs.csdn.net/topics/390280877发表过，同时也在此谢谢jordan102的热心回复，尽管没有解决，也衷心谢谢你！<br/><br/>
...全文
请发表友善的回复…
发表回复
hch126163 2012-11-15
- 打赏
- 举报
string regex = "<p class=\"t\">(?<content1>.+?)</p>\\s*-\\s*<a href="(?<url>[^"]+?)"\\s*>(?<content2>.+?)</a>";
rayaspnet 2012-11-14
- 打赏
- 举报
尝试一下这个库：
http://www.codeplex.com/htmlagilitypack
个人感觉用这个从html里面抓数据，要比正则表达式要效率要高点
代码
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(@"<html><body><p><table id=""foo""><tr><th>hello</th></tr><tr><td>world</td></tr></table></body></html>");
foreach (HtmlNode table in doc.DocumentNode.SelectNodes("//table")) {
Console.WriteLine("Found: " + table.Id);
foreach (HtmlNode row in table.SelectNodes("tr")) {
Console.WriteLine("row");
foreach (HtmlNode cell in row.SelectNodes("th|td")) {
Console.WriteLine("cell: " + cell.InnerText);
}
}
}
EnForGrass 2012-11-14
- 打赏
- 举报
string regex = @"(?i)<p\s*class=""t"">(?<content1>.*?)</p>\s*(?:-)\s*<a\s*href=""(?<url>[^""]+?)"">(?<content2>.+?)</a>";
string myHtml = @"<p class=""t"">xxxxx</p><font>xxxxxxx</font>
<span>xxxxxxxx</span >
<span>xxxx</span >
<p class=""t"">xxxxx</p> - <a href=""xxxxxx.html"">xxxxxxxx</a>
<span>xxxxxx</span >
<p class=""t"">xxxxxx</p> - <a href=""xxxxxx.html"">xxxx</a>
<div><p class=""t"">xxxxx</p></div>
<p class=""t"">xxxxxxx</p> - <a href=""xxxxx.html"">xxxxxxxxxxxx</a>
<table><tr><td>xxxxxx</td></tr></table>";
Regex reg = new Regex(regex);
MatchCollection ms = reg.Matches(myHtml);
foreach (Match m in ms)
{
Console.WriteLine(m.Value);
Console.WriteLine(m.Groups["url"].Value);
Console.WriteLine(m.Groups["content1"].Value);
Console.WriteLine(m.Groups["content2"].Value);
Console.WriteLine("-------------------------------");
}
custom1234 2012-11-14
- 打赏
- 举报
经过不断的替测试，将"[^"]"部分替换为.，就抓到数据了，但和我原来抓取的数据一样。
custom1234 2012-11-14
- 打赏
- 举报
经过不断的替测试，将"[^"]"部分替换为.，就抓到数据了，但和我原来的一点。
custom1234 2012-11-14
- 打赏
- 举报
没有抓取到数据！
EnForGrass 2012-11-14
- 打赏
- 举报
string regex = "(?i)<p\s*class=\"t\">(?<content1>.*?)</p>\s*(?:-)\s*<a\s*href=\"(?<url>[^"]+?)\">(?<content2>.+?)</a>";
Regex reg = new Regex(regex , RegexOptions.IgnoreCase | RegexOptions.Compiled);
MatchCollection ms = reg.Matches(myHtml);
foreach (Match m in ms) { string url = m.Groups["url"].Value;
string content1 = m.Groups["content1"].Value;
string content2 = m.Groups["content2"].Value;
}
EnForGrass 2012-11-14
- 打赏
- 举报
试试
(?i)<p\s*class="t">(?<content1>.*?)</p>\s*(?:-)\s*<a\s*href="(?<url>[^"]+?)">(?<content2>.+?)</a>
