62,041
社区成员
发帖
与我相关
我的任务
分享正则提取文档问题
模拟登陆后抓取指定页面的源代码，分析。
抓取过程已完成。分析时用正则有些问题。想获取到<body>之间的内容。
部分代码：
pageSource是已经抓取的页面源代码。现在输不出匹配后的结果。
抓取过程已完成。分析时用正则有些问题。想获取到<body>之间的内容。
部分代码：
Regex reg = new Regex(@"(?<=<body .*>).*(?=</body>)", RegexOptions.IgnoreCase & RegexOptions.Multiline);
Match m = reg.Match(HttpUtility.HtmlEncode(pageSource));
if (m.Success)
{
Response.Write(m.Value);
}
pageSource是已经抓取的页面源代码。现在输不出匹配后的结果。
...全文
请发表友善的回复…
发表回复
EnForGrass 2012-11-28
- 打赏
- 举报
试了4楼的没有？
Regex reg = new Regex(@"(?is)(?<=<body[^>]*>).*?(?=</body>)");
woshimaikou 2012-11-28
- 打赏
- 举报
去了也不好使啊！
-过客- 2012-11-28
- 打赏
- 举报
1、HtmlEncode的问题，楼上几位已经说了
2、正则问题，这里的正则写的不对，Multiline也用的不对
Regex reg = new Regex(@"(?is)(?<=<body[^>]*>).*(?=</body>)");
骑着蜗牛去爬山 2012-11-28
- 打赏
- 举报
(?is)<body[^>]*>((?!</body>)[\s\S])*</body>
bdmh 2012-11-28
- 打赏
- 举报
是啊，HtmlEncode干嘛
threenewbee 2012-11-28
- 打赏
- 举报
HtmlEncode后<>都转义了，当然不行。
-过客- 2012-11-28
- 打赏
- 举报
参考我的博客
.NET正则基础之——.NET正则匹配模式
Multiline 影响的是^和$的匹配行为，而你的正则中是没有这两个元字符的
Singleline 影响的是.的匹配行为，所以这里应该用Singleline
woshimaikou 2012-11-28
- 打赏
- 举报
已试 ，可用。感谢。主要是正则的问题啊。Multiline那么用不对吗？
