网站采集-正则表达的问题.

Question

1.请问如何采集一个页面中,我想要的信息.
如一代码:
<img title='aaa'> 
<img title='bbb'>
请问我怎么取出title的信息既:'aaa','bbb'.
当然实际遇到的不会这么简单,所以要求要用正则表达式解决.
2.请问用mes:=idhttp.get('http://www.a.com').
shomessage(mes)一看经常会出现部分代码而已,但实际所以代码
已经存在与mes中.我想问如果是只出现部分的情况,我直接拿这个
mes去正则表达式分析回有问题吗?如果会怎么解决.
分数不够我可以再加.希望会的帮帮谢谢........

Answer 1

1 试试这个\<img [^>]*?title=['"]([^'"]*)['"][^>]*>2 shomessage可能显示不完全，只要你能确定拿到的是完整的就可以。

Answer 2

"akirya"谢谢你的解答.
不好意思,正则表达式我还不太会使用.可不可以麻烦你写个简单的例子.
随便采一个页面,这要把这个页面中所有<a>的href找出来就可以了.
谢谢~~

Answer 3

我也没在Delphi中用正则，这是工具生成的代码。// You can download the TPerlRegEx component from
// http://www.regular-expressions.info/delphi.html
uses PerlRegEx;
var
Regex: TPerlRegEx;
GroupIndex: Integer;Regex := TPerlRegEx.Create(nil);
Regex.RegEx := '\<a [^>]*href=[''"]([^''"]*)[''"][^>]*>';
Regex.Options := [preMultiLine];
Regex.Subject := SubjectString;
if Regex.Match then begin
repeat
for GroupIndex := 0 to Regex.SubExpressionCount do begin
// backreference text: Regex.SubExpressions[GroupIndex];
// backreference start: Regex.SubExpressionOffsets[GroupIndex];
// backreference length: Regex.SubExpressionLengths[GroupIndex];
end;
until not Regex.MatchAgain;
end;

Answer 4

我用的是Andrey V. Sorokin的TRegExpr class library
以下是测试程序:
procedure TForm1.Button1Click(Sender: TObject);
var
  s:string;
  r:TRegExpr;
  i:integer;
begin
   s:='<img title=''aaa''>'
      +'<img title=''bbb''>'
      +'<img title=''ccc''>';
   r:=TRegExpr.Create;
   r.Expression:='<img *title=''([^'']+)''';
   if r.Exec(s) then
   begin
     Memo1.Lines.Add(r.Match[1]);
     while (r.ExecNext) do
       Memo1.Lines.Add(r.Match[1]);
  end;
end;结果在memo1中显示
aaa
bbb
ccc

Answer 5

恩谢谢.
我试了.
但当我用
    idhtp1:= TidHttp.Create(nil);
   s:=idHttp.Get('http://www.abc.cn');
   r:=TRegExpr.Create;
   r.Expression:='<img *title=''([^'']+)''';
   if r.Exec(s) then
   begin
     Memo1.Lines.Add(r.Match[1]);
     while (r.ExecNext) do
       Memo1.Lines.Add(r.Match[1]);
   end;
他就取不到任何信息.
可不可以麻烦帮解决下.