正则表达式从网页html代码里获取数据

Question

<div class="ry_box">
                <dl class="ry_boxleft">
                  <p class="ry_picbd"><a href="http://www.m1905.com/yx/film/c1f509553.html"><img src="http://image11.m1905.cn/uploadfile/2012/0406/thumb_1_98_137_20120406050041947.jpg" alt="我是中国人" title="我是中国人" /></a></p>
                </dl>
                <dl class="line-h24 ry_boxright">
                <p class="f14 color_blue h24px">
                  <span class="fl"><a href="http://www.m1905.com/yx/film/c1f509553.html" title="我是中国人">我是中国人</a></span>
                                    <span class="sm_star1 fl ml05 mt02"><span class="sm_star2" style="width:58%;"></span><span class="star_cont" style="display:none">5.8分</span></span>
                </p>
                                <p class="mt02"><span class="color_gray1">主演：</span><a href="http://www.m1905.com/mdb/film/list/starring-2994182/" target="_blank" title="查看该演员参加的影片">李乾铭</a> / <a href="http://www.m1905.com/mdb/film/list/starring-1014/" target="_blank" title="查看该演员参加的影片">颜丹晨</a> / <a href="http://www.m1905.com/mdb/film/list/starring-2991308/" target="_blank" title="查看该演员参加的影片">张岩</a></p>
                                <p><span class="color_gray1">类型：</span><a href="http://www.m1905.com/mdb/film/list/mtype-15/" target="_blank">剧情</a> <a href="http://www.m1905.com/mdb/film/list/mtype-30/" target="_blank">战争</a> </p>
                <p><span class="color_gray1">上映时间：</span>2012-04-19</p>
                                                  <p class="time_net mt10 color_blue"><a href="http://www.m1905.com/yx/film/c1f509553.html">放映时间表</a></p>
                                </dl>
              </div>用正则表达式获取  <dl class="line-h24 ry_boxright">
里边a标签上 "http://www.m1905.com/yx/film/c1f509553.html" 以及title
请假各位大侠。

Answer 1

1.txt就是你贴的html文本            string input = File.ReadAllText(@"C:\1.txt", Encoding.GetEncoding("gb2312"));
            Dictionary<string, string> dic = new Dictionary<string, string>();
            MatchCollection mc = Regex.Matches(input, @"(?is)<dl\s*class=""line-h24 ry_boxright"">\s*<p [^>]*>\s*<span[^>]*><a\s*href=""([^""]*)""\s*title=""([^""]*)"">.*?</a></span>.*?\s*</p>");
            foreach (Match mx in mc )
            {
                Console.WriteLine(mx.Groups[1].Value);//http://www.m1905.com/yx/film/c1f509553.html
                Console.WriteLine(mx.Groups[2].Value); //我是中国人
                dic.Add(mx.Groups[1].Value, mx.Groups[2].Value);
            }

Answer 2

贴出来的html文本是从网页上获取的即时变化的数据，不是固定的文本文件，这个需要怎么处理呢？

Answer 3

非常感谢 这个正则表达式取出了我想要的数据。问题补充：如果要获取所有的数据，即取到数据总数该怎么设置。完整代码如下：
              <div class="ry_box">
                <dl class="ry_boxleft">
                  <p class="ry_picbd"><a href="http://www.m1905.com/yx/film/c1f497330.html"><img src="http://image11.m1905.cn/uploadfile/2012/0323/thumb_1_98_137_20120323112327980.jpg" alt="关于爱情和那些魔鬼" title="关于爱情和那些魔鬼" /></a></p>
                </dl>
                <dl class="line-h24 ry_boxright">
                <p class="f14 color_blue h24px">
                  <span class="fl"><a href="http://www.m1905.com/yx/film/c1f497330.html" title="关于爱情和那些魔鬼">关于爱情和那些魔鬼</a></span>
                                    <span class="sm_star1 fl ml05 mt02"><span class="sm_star2" style="width:68%;"></span><span class="star_cont" style="display:none">6.8分</span></span>
                </p>
                                <p class="mt02"><span class="color_gray1">主演：</span><a href="http://www.m1905.com/mdb/film/list/starring-2340/" target="_blank" title="查看该演员参加的影片">杨童舒</a> / <a href="http://www.m1905.com/mdb/film/list/starring-1567/" target="_blank" title="查看该演员参加的影片">莫少聪</a> / <a href="http://www.m1905.com/mdb/film/list/starring-15997/" target="_blank" title="查看该演员参加的影片">洪剑涛</a></p>
                                <p><span class="color_gray1">类型：</span><a href="http://www.m1905.com/mdb/film/list/mtype-25/" target="_blank">喜剧</a> <a href="http://www.m1905.com/mdb/film/list/mtype-1/" target="_blank">爱情</a> <a href="http://www.m1905.com/mdb/film/list/mtype-15/" target="_blank">剧情</a> </p>
                <p><span class="color_gray1">上映时间：</span>2012-04-01</p>
                                                  <p class="time_net mt10 color_blue"><a href="http://www.m1905.com/yx/film/c1f497330.html">放映时间表</a></p>
                                </dl>
              </div>
<div class="blue14fontbold" id="new_page">
                       <span><img height="11" width="6" src="http://www.m1905.com/m_images/images/pageleft.jpg">&nbsp;&nbsp;</span><span>总数：<b>23</b></span>&nbsp;&nbsp;<a class="pre" href="http://www.m1905.com/yx/film/c1p0.html">上一页</a><u><b>1</b></u> <a href="http://www.m1905.com/yx/film/c1p2.html">2</a> <a href="http://www.m1905.com/yx/film/c1p3.html">3</a> <a class="next" href="http://www.m1905.com/yx/film/c1p2.html">下一页</a><span>&nbsp;&nbsp;<img height="11" width="6" src="http://www.m1905.com/m_images/images/pageright.jpg"></span>
            </div>

Answer 4

你只要 用个变量存储就行了  像这种string input存储到input中啊

Answer 5

如题：
  如果只取a标签上 "http://www.m1905.com/yx/film/c1f509553.html"    c1f509553以及title这个正则表达式@"(?is)<dl\s*class=""line-h24 ry_boxright"">\s*<p [^>]*>\s*<span[^>]*><a\s*href=""([^""]*)""\s*title=""([^""]*)"">.*?</a></span>.*?\s*</p>");
怎么修改一下。我对正则一片茫然啦！

Answer 6

            string input = File.ReadAllText(@"C:\1.txt", Encoding.GetEncoding("gb2312"));
            Dictionary<string, string> dic = new Dictionary<string, string>();
            MatchCollection mc = Regex.Matches(input, @"(?is)<dl\s*class=""line-h24 ry_boxright"">\s*<p [^>]*>\s*<span[^>]*><a\s*href="".*?/([^/]*).html""\s*title=""([^""]*)"">.*?</a></span>.*?\s*</p>");
            foreach (Match mx in mc )
            {
                Console.WriteLine(mx.Groups[1].Value);//c1f509553
                Console.WriteLine(mx.Groups[2].Value);//我是中国人
                dic.Add(mx.Groups[1].Value, mx.Groups[2].Value);
            }

Answer 7

<div class="blue14fontbold" id="new_page"><span><img height="11" width="6" src="http://www.m1905.com/m_images/images/pageleft.jpg">&nbsp;&nbsp;</span><span>总数：<b>23</b></span>&nbsp;&nbsp;<a class="pre" href="http://www.m1905.com/yx/film/c1p0.html">上一页</a><u><b>1</b></u> <a href="http://www.m1905.com/yx/film/c1p2.html">2</a> <a href="http://www.m1905.com/yx/film/c1p3.html">3</a> <a class="next" href="http://www.m1905.com/yx/film/c1p2.html">下一页</a><span>&nbsp;&nbsp;<img height="11" width="6" src="http://www.m1905.com/m_images/images/pageright.jpg"></span>
</div>
在以上取到“c1f509553”以及“我是中国人”之后 在从这个div里获取a标签里href上的内容，即：http://www.m1905.com/yx/film/c1p3.html的正则怎么写，他们可以合并么？