作者felaray (法拉魚)
看板RegExp
標題[心得] 重複抓特定html標籤資料
時間Wed Jun 19 13:07:09 2013
前天開始研究RexExp,這東西令人惱羞.做了兩天以後才弄好想要的東西
所以在此分享給大家.語法為C#
說明:html是用HttpWebRequest抓出來的網頁資料,
目標是抓出<dt>...</dt>裡面的資料
string pattern = @"<dt[^>]*?>(?<word>.*?)</dt>";
Regex regex = new Regex(pattern, RegexOptions.IgnoreCase);
MatchCollection matches = regex.Matches(html);
int index = 0;
foreach (Match match in matches)
{
GroupCollection groups = match.Groups;
string x = groups["word"].Value.Trim();
if (x != "") //因為抓到不明空白,所以在此解決
Response.Write( x + "<BR>");
要條列序號的話就把++index加入上行
}
輸出資料
1: absolute bolometric magnitude 絕對熱星等
2: absolute zero 絕對零度，絕對零點
3: acceleration 加速度
4: acceleration of gravity 重力加速度
5: accretion 吸積
6: Achernar 水委一
7: achondrites 無球粒隕石
8: achromatic lens 消色差透鏡
9: albedo 反照率
10: Alcaid 搖光
11: Alcor 輔、開陽伴星
12: Alcyone 昂宿六
Html原始碼(節錄)
<dt><b>absolute zero 絕對零度，絕對零點 </b></dt>
--
1F：推 signm :先補血03/15 22:27
2F：→ yamimk :這裡又不能噓是要補血什麼？03/15 22:28
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 220.229.239.158
※ 編輯: felaray 來自: 220.229.239.158 (06/19 13:09)
3F：推 s25g5d4:[^>]*?既然已用否定 就不要再下非貪婪 效能會減損 06/19 14:31
4F：→ felaray:好的 謝謝建議.目前來說是小資料所以還感受不到XD 06/19 14:54
5F：推 henry10423:如果你用C#在做網頁解析時，建議可以用HtmlAgilityPars 08/19 21:19
6F：→ henry10423:er,這個東西挺強大的。不需要用Regex 08/19 21:19
7F：→ felaray:抱歉現在才看到回應 我後來的確是用那個解決XD 01/09 19:20