现在的位置: 首页 > 综合 > 正文

C#: 获取网页中匹配代码的正则 (获得字符串中开始和结束字符串中间得值)

2013年07月05日 ⁄ 综合 ⁄ 共 3588字 ⁄ 字号 评论关闭
如:
<div>1div</div>
<a>1a</a>
<p>1p</p>
<p>2p</p>
<div>2div</div>
<a>2a</a>
<p>3p</p>
<p>4p</p>
<a>3a</a>
<p>5p</p>
<div>3div</div>
<a>4a</a>
<p>6p</p>
<span>1span</span>

现在的问题是:有N多DIV,N多p,N多A标签以及最多1个span,想只获取所有p里的内容以及最后一个span里的内容(其中获取P的内容有一个条件,那就是只有前面有一个A标签的P的内容才会被获取),span或许有或许没有,如果有就获取,如果没有就不获取求:

C#的正则表达式
using System.Text.RegularExpressions;

 

 

代码

 string restult = "";
            
foreach(Match m in Regex.Matches(str ,@"(?ins)(?<=(</a>\s*<(?<mark>p[^>]*>)|<(?<mark>span)[^>]*>))[\s\S]+?(?=</\k<mark>)"))
            {
                restult 
+=m.Value;//就是你要的结果

                MessageBox.Show(m.Value);
            }

 

或是用
foreach(Match m in Regex.Matches(yourHtml,@"(?is)(</a>\s*<(?<mark>p[^>]*>)|<(?<mark>span)[^>]*>)(?<data>[\s\S]+?)</\k<mark>"))
{
    m.Groups[
"data"].Value;//
}

 

或是>>>>>>获得字符串中开始和结束字符串中间得值

代码

  #region 获得字符串中开始和结束字符串中间得值
        
/// <summary>
        
/// 获得字符串中开始和结束字符串中间得值
        
/// </summary>
        
/// <param name="begin">开始匹配标记</param>
        
/// <param name="end">结束匹配标记</param>
        
/// <param name="html">Html字符串</param>
        
/// <returns>返回中间字符串</returns>
        public static MatchCollection GetMidValue(string begin, string end, string html)
        {
            Regex reg 
= new Regex("(?<=(" + begin + "))[.\\s\\S]*?(?=(" + end + "))", RegexOptions.Multiline | RegexOptions.Singleline);
            
return reg.Matches(html);
        }
        
#endregion

 

 

代码

 /// <summary> 
        
/// 获得字符串中开始和结束字符串中间得值 
        
/// </summary> 
        
/// <param name="str"></param> 
        
/// <param name="s">开始</param> 
        
/// <param name="e">结束</param> 
        
/// <returns></returns> 
        private string getvalue(string str, string start, string end) 
        {
            Regex rg 
= new Regex("(?<=(" + start + "))[.\\s\\S]*?(?=(" + end + "))", RegexOptions.Multiline | RegexOptions.Singleline); 
     
            
return rg.Match(str).Value;            
        }

 

 

 

//正则抽取单个Table , 可根据table内的某个标识字符, good !

 如果仅仅是以“会员资料”这样的做为参考标识,用我上面写的稍稍改造就可以了,问题的复杂在于,如果以“00”或者“444”做为参考标识,就要考虑到<table>标签嵌套的问题,既要保证取包含参考标识的最内层<table>,又要保证<table>和</table>配对匹配

 

代码

 Match mm = Regex.Match(html, @"<table[^>]*>(((<table[^>]*>(?<o>)|</table>(?<-o>)|(?!</?table)[\s\S])*)(?(o)(?!)))\b" + "会员资料" + @"\b(?:(?!<table[^>]*>)[\s\S])*?(((<table[^>]*>(?<o>)|</table>(?<-o>)|(?!</?table)[\s\S])*)(?(o)(?!)))</table>", RegexOptions.IgnoreCase);

 

输入的参考标识中如果有正则中有特殊意义的字符,需要对其进行预处理,另外需要在程序中进行异常处理,这个自己处理下吧
如果源字符串中同时多处出现输入的参考标识,这里取第一个出现的参考标识所在的<table>

 

//正则抽取单个Table中 , 解析tb中的内容.........

代码

 Match mm = Regex.Match(html, @"<table[^>]*>(((<table[^>]*>(?<o>)|</table>(?<-o>)|(?!</?table)[\s\S])*)(?(o)(?!)))\b" + "会员输赢资料" + @"\b(?:(?!<table[^>]*>)[\s\S])*?(((<table[^>]*>(?<o>)|</table>(?<-o>)|(?!</?table)[\s\S])*)(?(o)(?!)))</table>", RegexOptions.IgnoreCase);
            
if (mm.Success)
            {
                
//MessageBox.Show(mm.Value);

                //MatchCollection mdd = GetMidValue("<td", "</td>", mm.Value);
                
//foreach (Match m in mdd)
                
//{
                
//    for (int i = 1; i < m.Groups.Count; i++)
                
//    {                       
                
//        restult += m.Groups[i].Value;//就是你要的结果
                
//    }                    
                
//}

                MatchCollection mc 
= Regex.Matches(mm.Value, @"<td[^>]*>\s*(?<content>[\s\S]*?)\s*</td>", RegexOptions.IgnoreCase);
                
foreach(Match m in mc)
                {
                    
for (int i = 1; i < m.Groups.Count; i++)
                    {
                        restult 
+= m.Groups[i].Value + "\n";
                    }
                }
                MessageBox.Show(restult);
            }

 

 

抱歉!评论已关闭.