请教一正则,内容提取

请把上下文应用环境讲清楚,描明白,根据回贴的经验,这种要HTML中提取数据的正则没有几十个回帖搞不清楚楼主的需求,很是麻烦,所以为你省事我也省事,把具体情况,所有可能列清楚.

我需要从一个树菜的页面,解析其html,获取其中的内容.然后保存到数据库中,实现2个系统的同步.
我可以把树菜的html代码列出来,我需要获取每一个项目的
havechildren=??
isunit=??
还有;<a href=''>其他（系统测试组）</a>中的内容其他（系统测试组）例子:
class=kid havechildren=1 isunit=0><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>其他（系统测试组）</a>通过正则获取:
1
0
其他（系统测试组）

部分html<UL id=ulRoot style='Display:block' >
<LI class=kid havechildren=1 isunit=0><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>其他（系统测试组）</a>
<UL class=hdn>
<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>信息中心</a>
<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>测试部门</a>
<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>金朝阳测试部门</a>
<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>test2</a>
<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>test1_bureau</a>
<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>test2_bureau</a>
<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>部门1</a>
<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>部门2</a>
</UL>

我已经通过js将代码分割
arr=str.split("<LI ");
然后循环,通过正则来提取需要的内容

忽忽。我温柔的去啦。。交给我们伟大的zhaoxiaoyang(梅雪香@深圳) 前辈啦。。

如果是这样,个人感觉用正则不如用DOM方式处理,因为HTML的情况比较复杂,正则不是很容易写的
var lis = ulRoot.getElementsByTagName("LI"); //获得所有的LI
lis[i].getAttribute("havechildren"); //
lis[i].getAttribute("isunit"); //
lis[i].getElementsByTagName("A")[0].nodeValue;
以上就是你要的三个值,循环一下就好了

上面的html不是很规范
我担心用dom会有问题以上的html代码是一个delphi应用生成的.
格式都是确定的.变化不会很大.

想问下zhaoxiaoyang(梅雪香@深圳) 。过些天我想去买本JS的书。能推荐本不？

只要是在浏览器中正确解析了的代码,都可以用DOM处理to muxrwc 买书根据自己的实际情况买,其实我只看过半本书:javascript权威指南5th

方法一:
havechildren            比如那个标签是DIV    object.getAttribute("havechildren");
isunit                  同上
其他（系统测试组）      同小梅的方法二
正则:
<script language="JavaScript" type="text/javascript">
var str = "class=kid havechildren=1 isunit=0><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>其他（系统测试组）</a>";function getArrt(val)
{
var regstr = eval("/\\s" + val + "=(\\d{1})/i");
var arr = str.match(regstr);
if(arr.length)
return arr[1];
}
alert(getArrt("havechildren"));//取字
function getInnerText()
{
var regstr = /(<a.*>)(.*?)(<\/a>)/i;
var arr = str.match(regstr);
if(arr.length)
return arr[2];
}
alert(getInnerText());
</script>其实用DOM好些.

感谢楼上各位的回答。现在先采用rotApple(烂苹果) 的方法二实现本人对正则不是很在行，能不能对rotApple(烂苹果) 的正则进行修改，
期望是一个正则，把需要的信息一次性抠出来。

考虑到稍微严禁点。才用多次查找。完成那个。。
不然完全可以不好这个。。a.replace(lp, lwc);

to:muxrwc(王辰)
你写得没怎么明白,不好意思.是不是把数据都装进了一个数组?
我来研究下~谢谢你

把所有找到的数据都放进了value数组。。
从哪找的放到了name数组。。

如果楼主的代码非常有规律，也可考虑用下面的方法
<script type="text/javascript">
var s = "<UL id=ulRoot style='Display:block' >"
+ "<LI class=kid havechildren=1 isunit=0><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>其他（系统测试组）</a>"
+ "<UL class=hdn>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>信息中心</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>测试部门</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>金朝阳测试部门</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>test2</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>test1_bureau</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>test2_bureau</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>部门1</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>部门2</a>"
+ "</UL>"
re=/havechildren=(\d+?)\s+isunit=(\d+?)[\s\S]+?<a[\s\S]+?>([\s\S]+?)<\/a>/i
alert(re.test(s))
while(a=re.exec(s))
{
document.write("havechildren="+a[1]+"<br>"+"isunit="+a[2]+"<br>"+"超级链接中的内容="+a[3]+"<br>")
s=s.replace(re,"");
}
</script>

//var vKeys = new Array("havechildren", "isunit");
哦，这个就不需要了，既然固定的，写进去好了

for (var i=0; i<arr.length; i++)
修改为for (var i=0; i<resultValue.length; i++)

.*havechildren\040*=\040*(?<havechildren>[\d]+).*isunit\040*=\040*(?<isunit>[\d]+).*>.*<a.*>(?<linktext>.+)</a>根据你给出的实例已经测试通过

正则...俺发现JS DOM强, 正则现在都不怎么用了.

DOM很占资源，多了的话效率也很成问题，少的情况是比正则要方便

str = "<LI class=kid havechildren=1 isunit=0><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>其他（系统测试组）</a>";
re = /<LI[^>]+havechildren=(\d) isunit=(\d)[^>]*>.+?<a[^>]*>([^<]*)<\/a>/;
alert(str.match(re));

完整测试
<body>
<div id="res"></div>
<script type="text/javascript">
var s = "<UL id=ulRoot style='Display:block' >"
+ "<LI class=kid havechildren=1 isunit=0><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>其他（系统测试组）</a>"
+ "<UL class=hdn>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>信息中心</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>测试部门</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>金朝阳测试部门</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>test2</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>test1_bureau</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>test2_bureau</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>部门1</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>部门2</a>"
+ "</UL>"
re = /<LI[^>]+havechildren=(\d) isunit=(\d)[^>]*>.+?<a[^>]*>([^<]*)<\/a>/;
while(m = re.exec(s))
{
document.getElementById("res").innerHTML += '<p>havechildren:'+m[1]+' isunit:'+m[2]+' 内容:'+m[3]+'</p>';
s = s.substr(m[0].length);
}
</script>
</body>

<body>
<div id="res"></div>
<script type="text/javascript">
var s = "<UL id=ulRoot style='Display:block' >"
+ "<LI class=kid havechildren=1 isunit=0><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>其他（系统测试组）</a>"
+ "<UL class=hdn>"
+ "<LI class=kid havechildren=3 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>信息中心</a>"
+ "<LI class=kid havechildren=1 isunit=44><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>测试部门</a>"
+ "<LI class=kid havechildren=5 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>金朝阳测试部门</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>CSDN</a>"
+ "<LI class=kid havechildren=6 isunit=5><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''><b>Net_Lover</b></a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''></a>"
+ "<LI class=kid havechildren=9 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>部门1</a>"
+ "<LI class=kid havechildren=1 isunit=1><img class=clsNoHand src=/images/left.gif width=10 height=10> <a href=''>部门2</a>"
+ "</UL>"
re = /<[^>]+havechildren=(\d) isunit=(\d)[^>]*>.+?<a[^>]*>(.*?)<\/a>/;
while(m = re.exec(s))
{
document.getElementById("res").innerHTML += '<p>havechildren:'+m[1]+' isunit:'+m[2]+' 内容:'+m[3]+'</p>';
s = s.substr(m[0].length);
}
</script>
</body>

调试易

请教一正则,内容提取

解决方案 »