正则表达式采撷
日期：2014-05-17 浏览次数：20495 次
正则表达式采集
大家 好，我现在需要 作一个简单的采集器
主要是匹配源代码中的 超连接
这是一个较烦的。
-----我只要匹配其中有 “官翻版购买通道” 和链接“http://order.xiaomi.com/static/re”
主要是匹配关键词 与连接的地址。怎么实现
------解决方案--------------------
(?i)<a\b[^>]*?href=(['"]?)(?<href>[^'"]+)\1[^>]*?>(?<txt>[^<>]+)</a>
取Groups["href"]和Groups["txt"] 就是你想要的
------解决方案--------------------
大家 好，我现在需要 作一个简单的采集器
主要是匹配源代码中的 超连接
这是一个较烦的。
- HTML code
<a class="costdown" href="http://order.xiaomi.com/static/re" onclick="_gaq.push(['_trackEvent', '首页广告点击', '官翻版购买通道']);">官翻版购买通道</a>
-----我只要匹配其中有 “官翻版购买通道” 和链接“http://order.xiaomi.com/static/re”
- HTML code
<a style="margin-left:20px" href="http://www.xiaomi.com/about" >关于小米</a>
主要是匹配关键词 与连接的地址。怎么实现
------解决方案--------------------
(?i)<a\b[^>]*?href=(['"]?)(?<href>[^'"]+)\1[^>]*?>(?<txt>[^<>]+)</a>
取Groups["href"]和Groups["txt"] 就是你想要的
------解决方案--------------------
- C# code
string input = @"<a class=""costdown"" href=""http://order.xiaomi.com/static/re"" onclick=""_gaq.push(['_trackEvent', '首页广告点击', '官翻版购买通道']);"">官翻版购买通道</a>
<a style=""margin-left:20px"" href=""http://www.xiaomi.com/about"" >关于小米</a>
";
Dictionary<string, string> dic = new Dictionary<string, string>();
foreach (Match m in Regex.Matches(input, @"(?is)<a\b[^>]*?href=([""']?)([^""']*?)\1[^>]*?>(.*?)</a>"))
{
dic.Add(m.Groups[2].Value, m.Groups[3].Value);
}
foreach (var m in dic)
{
Console.WriteLine(m.Key + "\t" + m.Value);
}
/*
http://order.xiaomi.com/static/re 官翻版购买通道
http://www.xiaomi.com/about 关于小米
*/
免责声明： 本文仅代表作者个人观点，与爱易网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
