读取html中的table 放在数组中

来自星星的你_ 2016-01-22 02:04:53

此html文件有点特殊，1. 无<body>开头 2.<table>title 不在<tr>标签中 3.image内容格<td>中带宽度属性 width = "80"

我现在想读取table中的数值，放到数组中以便我存入数据库，可能html不只这么多列，列名和底下的数值能对应起来，还要注意这一列 <th><p align="center">X(MM)</p></th> 括号中的（MM）要加到地下的数值中存储，有可能()是其他单位比如X(CM)\X(INCH)

这样的文件我该用什么方法读比较快速？该怎么读？



<html>

<head>

<title>report</title>

</head>

<span style="float:left;"></span>

<center></center><br><br>

<table border="2" width=100%  >

       <th><p align="center">Id</p></th>

       <th><p align="center">Title</p></th>

       <th><p align="center">X(MM)</p></th>

       <th><p align="center">Image</p></th>

<!--/TABLE_TITLE-->

<tr>

     <td>1</td>

     <td>iphone</td>

     <td>135.119923</td>

     <td width = "80"><a href="i0.jpg" target="_blank"><img src = "i0.jpg" width = "80"></a></td>

</tr>

<tr>

     <td>2</td>

     <td>ipad</td>

     <td>156.119923</td>

     <td width = "80"><a href="i1.jpg" target="_blank"><img src = "i1.jpg" width = "80"></a></td>

</tr>

</table>

</body>

</html>

...全文

302 7 打赏收藏转发到动态举报

写回复

用AI写文章

7 条回复

切换为时间正序

请发表友善的回复…

发表回复

秋的红果实 2016-01-24

打赏
举报

红字看的不是很懂，不论怎样，<tr>...</tr>是清晰的，用正则提取每一行是可行的

以专业开发人员为伍 2016-01-24

打赏
举报

关于你用红字标注的那些话，我就懒得细看了。根本的原则就在于，你要知道这个 html 解析，而不是什么简单地用什么正则去匹配什么单词儿。当你的一个 html 解析器把它解析为一个纯粹的 html 数据结构之后，再去按照你对 html 结构的理解去组织你的查询遍历、挖掘算法。你不需要纠结于给出什么匹配单词儿的一堆混乱的表达式！因为你首先得到的是一个真正的 html 树结构。这就是关键！

以专业开发人员为伍 2016-01-24

打赏
举报

xml的语法是比较严格的，而html则并没有那么严格，有许多 element 并没有封口的结束部分，甚至像你这种明显是写错了的代码也可以用 HtmlAgilityPack 进行 html 解析。所以，要使用 HtmlAgilityPack 来解析 html 代码。它具有很好的容错能力。

以专业开发人员为伍 2016-01-24

打赏
举报

这是一个普通的htm，可以这样解析出来 table（假设文件放到了windows桌面的一个text.dat文件）

var file = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "test.dat");
var s = File.ReadAllText(file);
var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(s);
var r = doc.DocumentNode.Descendants("table").First();