请教一个简单的正则表达式问题，用于html解析（问题3）

2006-09-14 05:00:39 386 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

使用Python语言编写简单的HTML5语法解析器使用Python语言编写简单的HTML5语法解析器摘要：通过使用Python语言编写一个简单的HTML5语法解析器作为例子,探讨了在设计手写的递归下降语法解析器程序时需要注意的一些事项。关键字：PythonHTML5语法解析器正则表达式递归下降编译器技术 1 问题如何编写一个语法解析器（Parser）呢？在C/C++语言领域，我们有le 阅读详情

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

通过正则表达式解析HTML入门指南一个完整的HTML网页通常是由很多标签组成的,通过正则表达式我们可以筛选出我们想要的内容。一般我们利用正则表达式来获取标签中的内容或者属性值，获取到内容和属性值之后，我们还可以利用正则表达式进一步获取想要的内容。 python中使用正则表达式解析HTML的步骤：首先需要引入re模块根据所要获取的内容或者属性值定义一个正则表达式利用re库提供的方法获取满足所定义的正则表达式的内容或属性值下面是阅读详情

poweruser

C# 111,129 成员 642,538 内容

+ 关注 + 加入社区

切换为时间正序

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)+?>","");

请教一个简单的正则表达式问题，用于html解析（问题3）

相关推荐