正则表达式匹配html

Question

<table width="880" border="0" cellpadding="5" cellspacing="1" bgcolor="#EAEAEA">
                   <tr>
                          <th width="86" bgcolor="#EFEFEF">货币名称</th>
                          <th width="86" bgcolor="#EFEFEF">现汇买入价</th>
                          <th width="86" bgcolor="#EFEFEF">现钞买入价</th>
                          <th width="86" bgcolor="#EFEFEF">卖出价</th>
                          <th width="86" bgcolor="#EFEFEF">基准价</th>
                          <th width="86" bgcolor="#EFEFEF">中行折算价</th>
                          <th width="86" bgcolor="#EFEFEF">发布日期</th>
                          <th width="86" bgcolor="#EFEFEF">发布时间</th>
                   </tr>
                   <tr align="center">
                            <td bgcolor="#FFFFFF">英镑</td>
                            <td bgcolor="#FFFFFF">1033.91</td>
                            <td bgcolor="#FFFFFF">1001.99</td>
                            <td bgcolor="#FFFFFF">1042.22</td>
                            <td bgcolor="#FFFFFF">1041.77</td>
                            <td bgcolor="#FFFFFF">1041.77</td>
                            <td bgcolor="#FFFFFF">2011-08-31</td> 
                            <td bgcolor="#FFFFFF">17:08:55</td>  
</tr>
<tr align="center">
                            <td bgcolor="#FFFFFF">港币</td>
                            <td bgcolor="#FFFFFF">81.65</td>
                            <td bgcolor="#FFFFFF">81</td>
                            <td bgcolor="#FFFFFF">81.96</td>
                            <td bgcolor="#FFFFFF">81.92</td>
                            <td bgcolor="#FFFFFF">81.92</td>
                            <td bgcolor="#FFFFFF">2011-08-31</td> 
                            <td bgcolor="#FFFFFF">17:08:55</td>  
</tr>
<tr align="center">
                            <td bgcolor="#FFFFFF">美元</td>
                            <td bgcolor="#FFFFFF">636.35</td>
                            <td bgcolor="#FFFFFF">631.24</td>
                            <td bgcolor="#FFFFFF">638.9</td>
                            <td bgcolor="#FFFFFF">638.67</td>
                            <td bgcolor="#FFFFFF">638.67</td>
                            <td bgcolor="#FFFFFF">2011-08-31</td> 
                            <td bgcolor="#FFFFFF">17:08:55</td>  
</tr>
</table>如上的html 我如何用正则表达式提取出每个<tr>的数据。

Answer 1

每个tr的数据？th和td标签要取出来么？

Answer 2

  string source = @"<table width=""880"" border=""0"" cellpadding=""5"" cellspacing=""1"" bgcolor=""#EAEAEA"">
  <tr>
  <th width=""86"" bgcolor=""#EFEFEF"">货币名称</th>
  <th width=""86"" bgcolor=""#EFEFEF"">现汇买入价</th>
  <th width=""86"" bgcolor=""#EFEFEF"">现钞买入价</th>
  <th width=""86"" bgcolor=""#EFEFEF"">卖出价</th>
  <th width=""86"" bgcolor=""#EFEFEF"">基准价</th>
  <th width=""86"" bgcolor=""#EFEFEF"">中行折算价</th>
  <th width=""86"" bgcolor=""#EFEFEF"">发布日期</th>
  <th width=""86"" bgcolor=""#EFEFEF"">发布时间</th>
  </tr>
  <tr align=""center"">
  <td bgcolor=""#FFFFFF"">英镑</td>
  <td bgcolor=""#FFFFFF"">1033.91</td>
  <td bgcolor=""#FFFFFF"">1001.99</td>
  <td bgcolor=""#FFFFFF"">1042.22</td>
  <td bgcolor=""#FFFFFF"">1041.77</td>
  <td bgcolor=""#FFFFFF"">1041.77</td>
  <td bgcolor=""#FFFFFF"">2011-08-31</td>  
  <td bgcolor=""#FFFFFF"">17:08:55</td>   
</tr>
<tr align=""center"">
  <td bgcolor=""#FFFFFF"">港币</td>
  <td bgcolor=""#FFFFFF"">81.65</td>
  <td bgcolor=""#FFFFFF"">81</td>
  <td bgcolor=""#FFFFFF"">81.96</td>
  <td bgcolor=""#FFFFFF"">81.92</td>
  <td bgcolor=""#FFFFFF"">81.92</td>
  <td bgcolor=""#FFFFFF"">2011-08-31</td>  
  <td bgcolor=""#FFFFFF"">17:08:55</td>   
</tr>
<tr align=""center"">
  <td bgcolor=""#FFFFFF"">美元</td>
  <td bgcolor=""#FFFFFF"">636.35</td>
  <td bgcolor=""#FFFFFF"">631.24</td>
  <td bgcolor=""#FFFFFF"">638.9</td>
  <td bgcolor=""#FFFFFF"">638.67</td>
  <td bgcolor=""#FFFFFF"">638.67</td>
  <td bgcolor=""#FFFFFF"">2011-08-31</td>  
  <td bgcolor=""#FFFFFF"">17:08:55</td>   
</tr>
</table>";
                string patten = @"(?is)<td[^>]+>(?<content>[^<]+)</td>";
                Regex reg = new Regex(patten);
                MatchCollection collection = reg.Matches(source);
                MessageBox.Show(collection.Count.ToString());
                if (collection.Count > 0)
                {
                    foreach (Match m in collection)
                    {
                        MessageBox.Show(m.Groups["content"].Value);                    }
                }
                else
                {
                    MessageBox.Show("No Match");
                }
            }
            catch (Exception ex)
            {
                MessageBox.Show(ex.Message);
            }

Answer 3

第一个td标题不取            string str = @"<table width=""880"" border=""0"" cellpadding=""5"" cellspacing=""1"" bgcolor=""#EAEAEA"">
  <tr>
  <th width=""86"" bgcolor=""#EFEFEF"">货币名称</th>
  <th width=""86"" bgcolor=""#EFEFEF"">现汇买入价</th>
  <th width=""86"" bgcolor=""#EFEFEF"">现钞买入价</th>
  <th width=""86"" bgcolor=""#EFEFEF"">卖出价</th>
  <th width=""86"" bgcolor=""#EFEFEF"">基准价</th>
  <th width=""86"" bgcolor=""#EFEFEF"">中行折算价</th>
  <th width=""86"" bgcolor=""#EFEFEF"">发布日期</th>
  <th width=""86"" bgcolor=""#EFEFEF"">发布时间</th>
  </tr>
  <tr align=""center"">
  <td bgcolor=""#FFFFFF"">英镑</td>
  <td bgcolor=""#FFFFFF"">1033.91</td>
  <td bgcolor=""#FFFFFF"">1001.99</td>
  <td bgcolor=""#FFFFFF"">1042.22</td>
  <td bgcolor=""#FFFFFF"">1041.77</td>
  <td bgcolor=""#FFFFFF"">1041.77</td>
  <td bgcolor=""#FFFFFF"">2011-08-31</td>  
  <td bgcolor=""#FFFFFF"">17:08:55</td>   
</tr>
<tr align=""center"">
  <td bgcolor=""#FFFFFF"">港币</td>
  <td bgcolor=""#FFFFFF"">81.65</td>
  <td bgcolor=""#FFFFFF"">81</td>
  <td bgcolor=""#FFFFFF"">81.96</td>
  <td bgcolor=""#FFFFFF"">81.92</td>
  <td bgcolor=""#FFFFFF"">81.92</td>
  <td bgcolor=""#FFFFFF"">2011-08-31</td>  
  <td bgcolor=""#FFFFFF"">17:08:55</td>   
</tr>
<tr align=""center"">
  <td bgcolor=""#FFFFFF"">美元</td>
  <td bgcolor=""#FFFFFF"">636.35</td>
  <td bgcolor=""#FFFFFF"">631.24</td>
  <td bgcolor=""#FFFFFF"">638.9</td>
  <td bgcolor=""#FFFFFF"">638.67</td>
  <td bgcolor=""#FFFFFF"">638.67</td>
  <td bgcolor=""#FFFFFF"">2011-08-31</td>  
  <td bgcolor=""#FFFFFF"">17:08:55</td>   
</tr>
</table>";
            Regex reg = new Regex(@"(?is)(?<=<tr[^>]*?>)\s*?<td[^>]*?>.*?</td>(?:\s*?<td[^>]*?>(.*?)</td>)*\s*(?=</tr>)");
            foreach (Match m in reg.Matches(str))
            {
                foreach (Capture c in m.Groups[1].Captures)
                    Console.WriteLine(c.Value);
                Console.WriteLine();
            }

Answer 4

我其实是取
http://www.boc.cn/sourcedb/whpj/index.html
这个网址上的各个货币的报价信息。
上面两位运行我给的html是正确的，但是如果套用全部的代码，
ustbwuyi 前面多了几个nbsp；huangwenquan123 会匹配的多出一些东西，在帮我改改。谢谢。

Answer 5

喔 看了下，修改了下。           string str = File.ReadAllText(@"E:\txt.txt", Encoding.GetEncoding("gb2312"));//换成你的字符串
            Regex reg = new Regex(@"(?is)(?<=<tr[^>]*?>)\s*?<td[^>]*?>.*?</td>(?:\s*?<td\s*?bgcolor=""#FFFFFF""\s*>(.*?)</td>)*\s*(?=</tr>)");
            foreach (Match m in reg.Matches(str))
            {
                foreach (Capture c in m.Groups[1].Captures)
                    Console.WriteLine(c.Value);
            }

Answer 6

不会啊，我出来的是这样的。我是在你提供的那个网址直接匹配它页面的全部html代码得到这个结果。

Answer 7

恩，奇怪，我是用webclient DownloadData url 得到的html进行转换的，可能有些不同？
我也用控制台实验了一下，确实和你的一样，但是货币名称怎么没有了？

Answer 8

       protected void Page_Load(object sender, EventArgs e)
        {
            string strTemp = Http.DownLoadData(@"http://www.boc.cn/sourcedb/whpj/index.html", Encoding.GetEncoding("UTF-8"));
            //string strReg = @"(?is)<td[^>]+>(?<content>[^<]+)</td>";
            string strReg = @"(?is)(?<=<tr[^>]*?>)\s*?<td[^>]*?>.*?</td>(?:\s*?<td\s*?bgcolor=""#FFFFFF""\s*>(.*?)</td>)*\s*(?=</tr>)";
            Regex re = new Regex(strReg, RegexOptions.IgnoreCase | RegexOptions.Singleline); 
            foreach (Match m in re.Matches(strTemp)) 
            { 
                Response.Write(m.Groups[1].Value);
                Response.Write("<br>");
            }            Response.End();
        }        public static string DownLoadData(string strURL, Encoding oDownLoadDataEncoding)
        {
            string _EncodingName = oDownLoadDataEncoding.CodePage.ToString();            return DownLoadData(strURL, _EncodingName);
        }        public static string DownLoadData(string strURL, string DownLoadDataEncodingName)
        {
            byte[] _pageData = null;
            string _pageHtml = "";            System.Net.WebClient _WebClient = new System.Net.WebClient();
            _pageData = _WebClient.DownloadData(@strURL);
            _WebClient.Dispose();
            _pageHtml = Encoding.GetEncoding(int.Parse(DownLoadDataEncodingName)).GetString(_pageData);
            return _pageHtml;
        }

Answer 9

protected void Page_Load(object sender, EventArgs e)
  {
  string strTemp = Http.DownLoadData(@"http://www.boc.cn/sourcedb/whpj/index.html", Encoding.GetEncoding("UTF-8"));
  //string strReg = @"(?is)<td[^>]+>(?<content>[^<]+)</td>";
  string strReg = @"(?is)(?<=<tr[^>]*?>)\s*?<td[^>]*?>.*?</td>(?:\s*?<td\s*?bgcolor=""#FFFFFF""\s*>(.*?)</td>)*\s*(?=</tr>)";
  Regex re = new Regex(strReg, RegexOptions.IgnoreCase | RegexOptions.Singleline);  
  foreach (Match m in re.Matches(strTemp))  
  {  
  Response.Write(m.Groups[1].Value);
  Response.Write("<br>");
  }  Response.End();
  }  public static string DownLoadData(string strURL, Encoding oDownLoadDataEncoding)
  {
  string _EncodingName = oDownLoadDataEncoding.CodePage.ToString();  return DownLoadData(strURL, _EncodingName);
  }  public static string DownLoadData(string strURL, string DownLoadDataEncodingName)
  {
  byte[] _pageData = null;
  string _pageHtml = "";  System.Net.WebClient _WebClient = new System.Net.WebClient();
  _pageData = _WebClient.DownloadData(@strURL);
  _WebClient.Dispose();
  _pageHtml = Encoding.GetEncoding(int.Parse(DownLoadDataEncodingName)).GetString(_pageData);
  return _pageHtml;
  }

Answer 10

我还以为你货币名称不要，就没弄上
现在弄上了
            string str = File.ReadAllText(@"E:\1.txt", Encoding.GetEncoding("gb2312"));//换成你的字符串
            Regex reg = new Regex(@"(?is)(?<=<tr[^>]*?>)(?:\s*?<td\s*?bgcolor=""#FFFFFF""\s*>(.*?)</td>)*\s*(?=</tr>)");
            foreach (Match m in reg.Matches(str))
            {
                foreach (Capture c in m.Groups[1].Captures)
                    Console.WriteLine(c.Value);
            }