消除or替代字串 抓取特定html tag

[jason36900]

小弟卡這部分卡很久了
希望有很多大哥大姊幫忙解決一下
能貼程式碼範例供參考最是感激不盡
因為小弟幾乎沒什麼寫程式經驗
但學校因素所以必須做出此功能
已經大部分做出來大概60%
現在問題是
第一
我用爬蟲上網抓取我要的資料
顯示出來正常 沒有特殊字元 符號

但是在存進去資料庫裡
資料庫裡面的資料卻有特殊字串   這個
想請問
如何讓存進資料庫裡的資料裡   還有前後空白一起消掉 (PS 空白我是用 trim消除  這個卻消不掉)


第二
我想抓取文章內容的照片(只要照片不要其他文字)
因為是一次抓取大概9筆資料
但並非每篇文章都有照片
因此想請問 如何抓取 div裡面的img
還有If 判斷式該怎麼寫比較好



認真的請求幫忙

如需要什麼資料或是程式都可以PO給各位看

回答請幫忙用程式碼解釋 單純文字可能看不太懂

[threenewbee]

(1)用htmldecode先转码，再用trim (2)贴出html代码片段，好提供给你一个正则表达式来过滤

[iGouzy]

第一和第二都可以用正则表达式来处理 处理转义字符比较简单，HTML 就那么几种转义字符，可以使用正则表达式一次性进行替换。获取 img 的也可以使用正则表达式来处理，例如，底下是一个简单的示例打印出页面中的图片。 static void Main(string[] args) { HttpWebRequest request = HttpWebRequest.CreateHttp("http://www.baidu.com"); using (StreamReader reader = new StreamReader(request.GetResponse().GetResponseStream())) { string line = default(string); System.Text.RegularExpressions.Regex regex = new System.Text.RegularExpressions.Regex("[<|\\s]+img src=\"([^\"]+)\""); while ((line = reader.ReadLine()) != null) { System.Console.WriteLine(line); if (regex.IsMatch(line)) { foreach (System.Text.RegularExpressions.Match match in regex.Matches(line)) { System.Console.WriteLine(match.Groups[1].Value); } } } } System.Console.ReadKey(); }

[jason36900]

能完整幫我解決的大哥大姐們 我可以再提高點數 拜託各位

[jason36900]

引用 2 楼 caozhy 的回复:

(1)用htmldecode先转码，再用trim 好的這部分我嘗試看看 請問有範例嗎? (2)贴出html代码片段，好提供给你一个正则表达式来过滤

<div id="InnerTopicLeft"> <table border="0" cellspacing="0" cellpadding="0"> <tr> <td><img src="images/InnerTopicIcon001.jpg" alt="標題" border="0" /></td> <td id="InnerTopic">LINE跑跑薑餅人愛心接力跑！</td> </tr> </table> </div> <div id="InnerTopicRight"> 大概是這個片段 要抓到<td><img 裡面的照片 但問題在於 我一次想要抓取的文章有9筆 但不是每筆都有照片 且並不一定都是放在div 跟td裡面 (有的是<p>裡) 所以想請問能不能鎖定抓到img裡面的圖就好 而不是固定抓到td呢? 請大哥賜教

[jason36900]

引用 3 楼 phoenix8343_cn 的回复:

第一和第二都可以用正则表达式来处理 处理转义字符比较简单，HTML 就那么几种转义字符，可以使用正则表达式一次性进行替换。获取 img 的也可以使用正则表达式来处理，例如，底下是一个简单的示例打印出页面中的图片。 static void Main(string[] args) { HttpWebRequest request = HttpWebRequest.CreateHttp("http://www.baidu.com"); using (StreamReader reader = new StreamReader(request.GetResponse().GetResponseStream())) { string line = default(string); System.Text.RegularExpressions.Regex regex = new System.Text.RegularExpressions.Regex("[<|\\s]+img src=\"([^\"]+)\""); while ((line = reader.ReadLine()) != null) { System.Console.WriteLine(line); if (regex.IsMatch(line)) { foreach (System.Text.RegularExpressions.Match match in regex.Matches(line)) { System.Console.WriteLine(match.Groups[1].Value); } } } } System.Console.ReadKey(); }

謝謝大哥 我嘗試一下 有成功就馬上結帖了