请教一个简单的正则表达式问题，用于html解析（问题3）

poweruser 2006-09-14 05:00:39

求一个正则表达式，这次难度有所提升，需要去掉中间一些超链接。
解析如下内容：
<td id="colE3E">Windows XP Service Pack 1</td><td id="colE6E">Windows XP Service Pack 2</td><td id="colECF">Windows Server 2003</td><td id="colEFF" style="border-right: 1px solid rgb(204, 204, 204);">Windows Server 2003 Service Pack 1</td></tr></thead><tbody><tr class="record" valign="top"><td>用户配置文件特权提升漏洞 - <a href="http://www.cve.mitre.org/cgi-bin/cvename.cgi?name=CVE-2006-3443" target="_blank">CVE-2006-3443</a></td><td>特权提升</td><td>重要</td><td>低</td><td>低</td><td>低</td><td style="border-right: 1px solid rgb(204, 204, 204);">低</td></tr><tr class="evenRecord" valign="top"><td>未处理的异常漏洞 - <a href="http://www.cve.mitre.org/cgi-bin/cvename.cgi?name=CVE-2006-3648" target="_blank">CVE-2006-3648</a></td>

要获取的内容为：
用户配置文件特权提升漏洞 - CVE-2006-3443
未处理的异常漏洞 - CVE-2006-3648

多谢多谢！

...全文

317 14 打赏收藏转发到动态举报

写回复

用AI写文章

14 条回复

切换为时间正序

请发表友善的回复…

发表回复

RexZheng 2006-09-15

打赏
举报

楼主客气了

下回我手脚快点,嘿

poweruser 2006-09-15

打赏
举报

to 0009(夏天以南)

可惜这个帖子我已经结贴了，这帖不能给你分了。
不过我还会问问题，到时候你进来我给你分。
谢谢：）

RexZheng 2006-09-15

打赏
举报

string str = "<td id=\"colE3E\">Windows XP Service Pack 1</td><td id=\"colE6E\">Windows XP Service Pack 2</td><td id=\"colECF\">Windows Server 2003</td><td id=\"colEFF\" style=\"border-right: 1px solid rgb(204, 204, 204);\">Windows Server 2003 Service Pack 1</td></tr></thead><tbody><tr class=\"record\" valign=\"top\"><td>用户配置文件特权提升漏洞 - <a href=\"http://www.cve.mitre.org/cgi-bin/cvename.cgi?name=CVE-2006-3443\" target=\"_blank\">CVE-2006-3443</a></td><td>特权提升</td><td>重要</td><td>低</td><td>低</td><td>低</td><td style=\"border-right: 1px solid rgb(204, 204, 204);\">低</td></tr><tr class=\"evenRecord\" valign=\"top\"><td>未处理的异常漏洞 - <a href=\"http://www.cve.mitre.org/cgi-bin/cvename.cgi?name=CVE-2006-3648\" target=\"_blank\">CVE-2006-3648</a></td>";

MatchCollection mc = Regex.Matches(str, @"\([^<]*)\<a [^\>]+\>([^\<]*)\</a\>\</p\>");
for (int i = 0; i < mc.Count; i++)
{
Console.WriteLine(mc[i].Groups[1].Value + mc[i].Groups[2].Value);
}

poweruser 2006-09-15

打赏
举报

to petshop4(开始混正则了)
OK了，只是最后多了一个"，用replace处理一下就可以了，非常感谢！

谢谢大家，结贴给分。

petshop4 2006-09-15

打赏
举报

([^<]*)?<a href=".*?name=([^<]*)? target="_blank">
组1和组2就是你想要的值
测试通过

poweruser 2006-09-14

打赏
举报

如果只用这个条件
@"(?<part1>.*?\s*-\s*)<a href=.*?>(?<part2>.*?)</a></td>"

第一条获取结果为：
用户配置文件特权提升漏洞 -
CVE-2006-3443
正确。

第二条信息获取结果为：
特权提升</td><td>重要</td><td>低</td><td>低</td><td>低</td><td style="border-right: 1px solid rgb(204, 204, 204);">低</td></tr><tr class="evenRecord" valign="top"><td>未处理的异常漏洞 -
CVE-2006-3648

不正确，第二条前面多了一些其他的数据内容。

测试代码为：
string r2 = @"(?<part1>.*?\s*-\s*)<a href=.*?>(?<part2>.*?)</a></td>";
Regex reg = new Regex(r2);
MatchCollection matches = reg.Matches(htmlCode);

System.Collections.IEnumerator enumerator = matches.GetEnumerator();
while (enumerator.MoveNext() && enumerator.Current != null)
{
Match match = (Match)enumerator.Current;
details = match.Value;
Console.WriteLine(match.Groups["part1"].Value);
Console.WriteLine(match.Groups["part2"].Value);
}

poweruser 2006-09-14

打赏
举报

to wthorse()
我的测试代码是这样的
string pat = @"(?<part1>.*?) - <a href=.*?>(?<part2>.*?)</a></td><td>.*?<tr.*?><td>(.*?) - <a href=.*?>(.*?)</a>";
Regex reg = new Regex(r);
Match match = reg.Match(htmlCode); // htmlCode为输入数据
Console.WriteLine(match.Groups["part1"].Value);
Console.WriteLine(match.Groups["part2"].Value);

如果有多条，我怎么动态编写这个表达式，并怎么动态获取我关注的数据呢？
谢谢！

poweruser 2006-09-14

打赏
举报

to wthorse()
你的方法可以获取这个示例中的内容：）
但如果html中包含的信息不固定，有可能是1条、2条、3条，或者更多条数据时应该怎么处理？
谢谢！

poweruser 2006-09-14

打赏
举报

to wthorse()
我先试试，在C#中，(.*?) - <a href=.*?>(.*?)</a></td><td>.*?<tr.*?><td>(.*?) - <a href=.*?>(.*?)</a>，这样的正则应该如何获取其中的值呢？我C#是初学，谢谢啊！

to BeRush(艾威)
能举个例子吗？没用过document对象，谢谢！

to bejon(阿牛[千分散尽还复来])
有C#版本的吗，呵呵：）
不用正则也可以，但这个html代码中可能不只一处，别的地方也有的。谢谢！

阿牛138588 2006-09-14

打赏
举报

不用正则行不行？
Dim str1 As String = webtext
Dim str2() As String
str2 = str1.Split("")
For i As Integer = 0 To UBound(str2) - 1
Debug.Print(Strings.Left(str2(i), InStr(str2(i), "<a href=") - 1))
Next

BeRush 2006-09-14

打赏
举报

用document对象取得吧

wthorse 2006-09-14

打赏
举报

(.*?) - <a href=.*?>(.*?)</a></td><td>.*?<tr.*?><td>(.*?) - <a href=.*?>(.*?)</a>
得出1234

poweruser 2006-09-14

打赏
举报

谢谢楼上的老兄，但你提供的这个不行啊，这个只是把html标识去掉了，返回的内容是
"Windows XP Service Pack 1Windows XP Service Pack 2Windows Server 2003Windows Server 2003 Service Pack 1用户配置文件特权提升漏洞 - CVE-2006-3443特权提升重要低低低低未处理的异常漏洞 - CVE-2006-3648"

跟我想要的不相同。

我想要的应该是有两条记录，分别为：
用户配置文件特权提升漏洞 - CVE-2006-3443
未处理的异常漏洞 - CVE-2006-3648

Eddie005 2006-09-14

打赏
举报

试试:

string tmp = "<td id=\"colE3E\">Windows XP Service Pack 1</td><td id=\"colE6E\">Windows XP Service Pack 2</td><td id=\"colECF\">Windows Server 2003</td><td id=\"colEFF\" style=\"border-right: 1px solid rgb(204, 204, 204);\">Windows Server 2003 Service Pack 1</td></tr></thead><tbody><tr class=\"record\" valign=\"top\"><td>用户配置文件特权提升漏洞 - <a href=\"http://www.cve.mitre.org/cgi-bin/cvename.cgi?name=CVE-2006-3443\" target=\"_blank\">CVE-2006-3443</a></td><td>特权提升</td><td>重要</td><td>低</td><td>低</td><td>低</td><td style=\"border-right: 1px solid rgb(204, 204, 204);\">低</td></tr><tr class=\"evenRecord\" valign=\"top\"><td>未处理的异常漏洞 - <a href=\"http://www.cve.mitre.org/cgi-bin/cvename.cgi?name=CVE-2006-3648\" target=\"_blank\">CVE-2006-3648</a></td>";

tmp = System.Text.RegularExpressions.Regex.Replace(tmp,"<(.|\n)+?>","");

一个时间转换的问题，顺便谈谈搜索技巧 .net中的正则表达式使用高级技巧（一） C#静态成员和方法的学习小结 C#中结构与类的区别 C#中 const 和 readonly 的区别利用自定义属性，定义枚举值的详细文本 Web标准和ASP...

这两天又花了点时间看了一下Regular Expression的语法，顺便写了一个用于匹配出all continuous ...这个是我个人到目前为止写的一个算是最复杂的正则表达式了，贴出来与大家交流： (?<=(?:\*/)(?:[^/\*]|(?&...

#《5天Python闯关训练营》学习计划#挑战周期：11月4日—11月8日直播答疑：11.6号晚8点直播答疑，将学习难点可集中请教老师哦~11.4-11.8号为本课正式服务周期，期间遇到学习问题可社群请教，群内安排助教老师答疑

如果你没有正则表达式的基础，请跟着教程“一步步来”。请不要大概地扫两眼就说看不懂——以这种态度我写成什么样你也看不懂。当我告诉你这是“30分钟入门教程”时，请不要试图在30秒内入门。事实是，我身边有个...

bs4:一个HTML/XML 的解析器，主要用于解析和提取 HTML/XML 数据。 re:正则表达式是一种通用的字符串表达框架，用来基于匹配模式测试字符串内的模式，替换文本和查找文本。 2.各工具详解 2.1 Xpath XPa...