【300分】呼叫过客等正则高手

Question

能不能通过把正则把
http://wz.csdn.net/my中的ID,标题,Tags,时间导出为excel。。帮忙了。谢谢流水潺潺忆往昔，
望风朝阳深呼吸。
柳叶带露正妖娆，
清晨塔草临小溪。

Answer 1

突然发现他这个还是UpdatePanel分页的。。那怎么搞？。。晕死。

Answer 2

正则easy,导出execel又是另一回事了,估计要用第三方dll或com组件了流水哗哗来学习;
望风而逃不停息.
柳叶美眉真漂亮,
清晨公汽太难挤.

Answer 3

话说导出，不难，只要用HttpWebRequest获取到字符串就OK了。。然后再调用过客给的正则，我突然发现只是他这个UPdatePanel分页有点麻烦。

Answer 4

这个主要靠正则么真不理解为什么非要用正则一次到位，为什么不用正则+String操作字符串。

Answer 5

嗯，正则不怎么会，导出Excel，应该很简单的。顺便接分

Answer 6

正则基本上这样，先试下Regex reg = new Regex(@"(?is)<table cellspacing=""0"" cellpadding=""4"" border=""0"" id=""ctl00_ctl00_ContentPlaceHolder0_ContentPlaceHolder1_bkList""[^>]*>\s*<tr[^>]*>(?:(?!</?tr).)*</tr>\s*<tr[^>]*>\s*<td[^>]*>(?:(?!</?td).)*</td>\s*<td[^>]*>(?<id>\d+)</td>\s*<td[^>]*><a[^>]*>(?<title>(?:(?!</?a).)*)</a></td>\s*<td[^>]*>(?<tags>(?:(?!</?td).)*)</td>\s*<td[^>]*>(?<time>(?:(?!</?td).)*)</td>");
MatchCollection mc = reg.Matches(yourStr);
foreach (Match m in mc)
{
    richTextBox2.Text += m.Groups["id"].Value + "\n";
    richTextBox2.Text += m.Groups["title"].Value + "\n";
    richTextBox2.Text += m.Groups["tags"].Value + "\n";
    richTextBox2.Text += m.Groups["time"].Value + "\n";
}

Answer 7

“<div[^<]*>[^<a]*<a[^<]*>([^<])</a>[^<a]*<a[^<]([^<]*)</a>[^:]*([^<]*)[^<a]*<a[^<]*>([^<]*)</a>”
c#中用正则匹配后取出值就可以了，详细操作就不说了，你懂的

Answer 8

用得着这么麻烦吗？直接把东西复制，粘到记事本里，保存。EXCEL里，数据，导入外部数据，选择刚才的文本，默认设置就行了。

Answer 9

哦  物品匹配的是这个网址http://wz.csdn.net/spy
你发的那个脚本错误，不能看，我想应该差不多吧！方法都和25楼差不多，就是正则不一样

Answer 10

 private void TestWZ()
    {
        //HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create(@"http://wz.csdn.net/my");
        //request.Timeout = 20000;
        //HttpWebResponse response = (HttpWebResponse)request.GetResponse();
        //StreamReader reader = new StreamReader(response.GetResponseStream(), System.Text.Encoding.UTF8);
        StreamReader reader = new StreamReader(@"E:\wz\网摘管理.htm"); 
        string strTemp = reader.ReadToEnd();
        Regex reg = new Regex(@"(?is)<table cellspacing=""0"" cellpadding=""4"" border=""0"" id=""ctl00_ctl00_ContentPlaceHolder0_ContentPlaceHolder1_bkList""[^>]*>\s*<tr[^>]*>(?:(?!</?tr).)*</tr>\s*<tr[^>]*>\s*<td[^>]*>(?:(?!</?td).)*</td>\s*<td[^>]*>(?<id>\d+)</td>\s*<td[^>]*><a[^>]*>(?<title>(?:(?!</?a).)*)</a></td>\s*<td[^>]*>(?<tags>(?:(?!</?td).)*)</td>\s*<td[^>]*>(?<time>(?:(?!</?td).)*)</td>");
        MatchCollection mc = reg.Matches(strTemp);
        foreach (Match m in mc)
        {
            richTextBox2.Text += m.Groups["id"].Value + "\n";
            richTextBox2.Text += m.Groups["title"].Value + "\n";
            richTextBox2.Text += m.Groups["tags"].Value + "\n";
            richTextBox2.Text += m.Groups["time"].Value + "\n";
        }    }
通过读取文本，不行啊，过客。。我先来试试波导的，呵呵。

Answer 11

36楼的理论说得不错，道理确实是对的，但是理论也是服务于实际的。一来网摘50个一页，页数并不会太多，二来，你看看网页源代码就知道，翻页得再获取一次页面，现有的代码只是正则处理数据，没有处理到自动翻页。等把整个通用的程序做好，花的那点时间已经可以让你手动导几百次了，而且上面也说过了，网摘不维护了，做全自动的程序根本也没意义。虎妹你测试失败可能是cookie的问题，毕竟/my是要读取cookie识别用户的。你把页面保存到本地试试，先确认一下是正则有问题还是cookie的问题。

Answer 12

我上面的是注释的。。
我已经测试的是本地的一个html文件。或者说，我直接复制之后粘贴到excel也许博客园也可以帮我导入也说不定呢，呵呵。

Answer 13

MatchCollection mc = Regex.Matches(html, @"</td><td style=""width:60px;"">(?<id>\d+)(?:[^>]*>){3}(?<title>[^<]*)</a>(?:<font[^>]+>[^<>]*</font>)?([^>]*>){2}(?<tag>[^<]*)([^>]*>){2}(?<date>[^<]*)");
            foreach (Match m in mc)
            {
                Console.WriteLine(m.Groups["id"].Value);
                Console.WriteLine(m.Groups["title"].Value);
                Console.WriteLine(m.Groups["tag"].Value);
                Console.WriteLine(m.Groups["date"].Value);
            }

Answer 14

本地html文件，格式会有变化，这个是通用的string html = string.Empty;
using (StreamReader sr = new StreamReader(@"E:\网摘管理.htm"))
{
    html = sr.ReadToEnd();
}
Regex reg = new Regex(@"(?is)<table[^>]*?id=(['""]?)ctl00_ctl00_ContentPlaceHolder0_ContentPlaceHolder1_bkList\1[^>]*>(\s*<tbody>)?\s*<tr[^>]*>(?:(?!</?tr).)*</tr>\s*<tr[^>]*>\s*<td[^>]*>(?:(?!</?td).)*</td>\s*<td[^>]*>(?<id>\d+)</td>\s*<td[^>]*><a[^>]*>(?<title>(?:(?!</?a).)*)</a></td>\s*<td[^>]*>(?<tags>(?:(?!</?td).)*)</td>\s*<td[^>]*>(?<time>(?:(?!</?td).)*)</td>");
MatchCollection mc = reg.Matches(html);
foreach (Match m in mc)
{
    richTextBox2.Text += m.Groups["id"].Value + "\n";
    richTextBox2.Text += m.Groups["title"].Value + "\n";
    richTextBox2.Text += m.Groups["tags"].Value + "\n";
   richTextBox2.Text += m.Groups["time"].Value + "\n";
}

Answer 15

最近的心得，有些时候不用吧html规则限制的太死，只要匹配[^>]+>的个数，能很有效的简化正则MatchCollection mc = Regex.Matches(html, @"</td><td style=""width:60px;"">(?<id>\d+)(?:[^>]*>){2}<a href=(?<url>[^ ]+)[^>]*>(?<title>[^<]*)</a>(?:<font[^>]+>[^<>]*</font>)?([^>]*>){2}(?<tag>[^<]*)([^>]*>){2}(?<date>[^<]*)");
foreach (Match m in mc)
{
    Console.WriteLine(m.Groups["id"].Value);
    Console.WriteLine(m.Groups["url"].Value);
    Console.WriteLine(m.Groups["title"].Value);
    Console.WriteLine(m.Groups["tag"].Value);
    Console.WriteLine(m.Groups["date"].Value);
}

Answer 16

我写正则的时候就有疑问，你居然不要链接Regex reg = new Regex(@"(?is)<table[^>]*?id=(['""]?)ctl00_ctl00_ContentPlaceHolder0_ContentPlaceHolder1_bkList\1[^>]*>(\s*<tbody>)?\s*<tr[^>]*>(?:(?!</?tr).)*</tr>\s*<tr[^>]*>\s*<td[^>]*>(?:(?!</?td).)*</td>\s*<td[^>]*>(?<id>\d+)</td>\s*<td[^>]*><a[^>]*?href=(['""]?)(?<url>[^'""\s>]+)[^>]*>(?<title>(?:(?!</?a).)*)</a></td>\s*<td[^>]*>(?<tags>(?:(?!</?td).)*)</td>\s*<td[^>]*>(?<time>(?:(?!</?td).)*)</td>");
MatchCollection mc = reg.Matches(html);
foreach (Match m in mc)
{
    richTextBox2.Text += m.Groups["id"].Value + "\n";
    richTextBox2.Text += m.Groups["url"].Value + "\n";
    richTextBox2.Text += m.Groups["title"].Value + "\n";
    richTextBox2.Text += m.Groups["tags"].Value + "\n";
    richTextBox2.Text += m.Groups["time"].Value + "\n";
}

Answer 17

引用 47 楼 wuyazhe 的回复:
最近的心得，有些时候不用吧html规则限制的太死，只要匹配[^>]+>的个数，能很有效的简化正则C# codeMatchCollection mc = Regex.Matches(html, @"</td><td style=""width:60px;"">(?<id>\d+)(?:[^>]*>){2}<a href=(?<url>……

Answer 18

恩，谢谢各位了，我上午已经导出Excel了看了下，一共446个网摘，

Answer 19

我来凑个热闹，顺便支持一下，学一下。
过客啊，这个CSDN的正则问题可少不了你的帮助啊，呵呵。

Answer 20

只会正则，导出excel没做过
不过看到公司的电厂项目有这种类似的功能

Answer 21

/**
 * 没时间测试了。应该差不多
 * 这个方法可以把整个html输出csv，csv可以用excel打开。csv的通用性比xls强，是纯文本
 */
String void generateCsv(String html,FileWriter fw){
   html=html.replaceAll(".*\\<tbody\\>|\\</tbody\\>.*|\\<td\\>|\\<tr\\>|\\<th\\>","").replaceAll("\\</td\\>|\\</th\\>",",")
            .replaceAll("\\</tr\\>","\r\n");
   fw.write(html);
}