正则表达式将html解析为xml文件的问题

我用爬虫把原网页爬下来后，想把其中一部分内容提取出来并且存为xml格式，想问下各位是用什么工具进行解析呢？
html代码如下：<!DOCTYPE html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=GBK" />
<title>【联想Y400N-ISE T怎么样】lenovo Y400N-ISE T好用吗_Y400N-ISE T优缺点-ZOL中关村在线</title>
            <div class="comment_tit"><h4><a href="/352/351323/review_0_0_491587_1.shtml" target="_self">总体还不错</a></h4></div>
            <div class="comment_content">
                            <dl>
                <dt class="good">优点</dt>
                <dd>配置较高，显卡也很给力。外表不错。在不考虑散热的情况下游戏性能极佳。音响的音量和音质都非常不错。联想的做工也都很好。odd插槽 提供了更多选择。</dd>
              </dl>
                            <dl>
                <dt class="bad">缺点</dt>
                <dd>散热一般，不过在大多数笔记本来说都是不错的了。用了蛮久，显卡的温度到还都是正常，cup一般也不高，玩游戏的时候cup就会飙到65度以上。整个机器都很热，特别是通风口。没有背光键盘很不方便。硬盘也有着大多数笔记本的病通——5200转。屏幕分辨率较低，有些泛白，色泽色彩都不是很好。重量较重。电池续航能力不足。要插上电源才能高效运行。</dd>
              </dl>
                            <dl>
                <dt>总结</dt>
                <dd>总的来说还是不错的，但是性价比不高，联想的电脑普遍高价，但是在做工等等其他方面基本秒杀同配置机型。推荐游戏发烧友和手中有着充足的经济的童鞋购买。如果手头紧，购买神舟等等性价比高的机型。当然也可以攒钱买这台。毕竟它贵不是空穴而来的，而是实实在在的质量。</dd>
              </dl>
                          </div>
                <dt class="good">优点</dt>
                <dd>1，配置均衡合理，性能好，业界良心，比什么i7+740M的骗钱货厚道多了。
2，做工不错，散热好。
3，JBL不错。
4，静音做得好，玩3d游戏也很安静。
5，扩展性不错。
6，750M显卡确实好，游戏给力。</dd>
              </dl>
                            <dl>
                <dt class="bad">缺点</dt>
                <dd>1，主板门。
2，屏幕可视角度特别渣，稍微偏一点就变色严重。
3，屏幕漏光严重，下半个屏幕基本都是严重漏光。
4，体积较大，较沉重。
5，没有数字小键盘。
6，USB3.0只有1个，2999的dell本子都有2个USB3.0。好丢脸！</dd>
              </dl>
                            <dl>
                <dt>总结</dt>
                <dd>总体来讲不错的本子。8月份涨价后，5400以下可以考虑。超过就不划算了，宁愿加点钱去JD买750M组SLI的那一款Y400了。</dd>
              </dl>
                          </div>
            <div class="comment_from">
                <em>-----</em> <a href="http://my.zol.com.cn/san9999/">san9999</a> 对 <a class="seri" href="/notebook/index351198.shtml">联想Y400N-IFI（T）</a>的点评
            </div>
                        <div class="isok">您认为此点评：
                <span class="ok" data-rel="491527,ok_3">有道理</span>
                <span id="ok_3">0</span>
                <span class="no" data-rel="491527,no_3">没道理</span>
                <span id="no_3">0</span>
            </div>
                        <div class="feed_reply">
                              <dl id="repBox3" class="reply show">
                <dt>回复</dt>
                <dd>
                                    <ul id="replyList3" class="reply_list">
                                        <li>
                      <a href="http://my.zol.com.cn/zyy1170920047/" class="reface"><img width="30" height="30" .src="http://8.zol-img.com.cn/bbs/user_photo/76301/50/76300021_50.jpg"></a>
                      <p>
                          <a href="http://my.zol.com.cn/zyy1170920047/">Z一块：</a>主板门怎样才能修复呢？？？升级bios版本？？？<span class="time">（2013-08-13 22:57:51）</span>
                      </p>
                      <p class="rebtn"><em data-rel="reply3,Z一块">回复</em></p>
                    </li>
                                      </ul>                 
        
        <li id="zyai03">
            <a name="review491374"></a>
          <div class="userinfo">
            <a href="http://my.zol.com.cn/zyai03/" class="face"><img .src="http://icon.zol-img.com.cn/photo/zoler_50.jpg" width="50" height="50"></a>
            <p><a href="http://my.zol.com.cn/zyai03/">zyai03</a> 点评</p>
                        <p class="user_level">
                <img src="http://icon.zol-img.com.cn/bbs/detail/time_star.gif" alt="考生[50经验]" /> 考生            </p>
                                                <p>注册于：13-08-09</p>
                                  </div>
          <div class="feed_box">
            <i class="fico"></i>
            <span class="date">发表于：2013-08-09 19:58:20</span>
            <div class="feed_star">
                <span class="star"><em style="width:80%"></em></span>
                <span class="lv">4.0</span>
            </div>
            <div class="comment_tit"><h4><a href="/352/351323/review_0_0_491374_1.shtml" target="_self">GT650 </a></h4></div>
            <div class="comment_content">
                            <dl>
                <dt class="good">优点</dt>
                <dd>屏幕很好，数据处理速度很快。安装极品飞车17，6G差不多5分钟就好了 显卡玩极品高画质无压力。</dd>
              </dl>
                            <dl>
                <dt class="bad">缺点</dt>
                <dd>开机速度巨慢，刚买了不久，开机都在1分30秒左右。我下载360，请问高手，网上有人说加360就会很慢是不是啊？</dd>
              </dl>
                            <dl>
                <dt>总结</dt>
                <dd>总体还行。性价比高。学生值得购买。</dd>
              </dl>
                          </div>
            <div class="comment_from">
                <em>-----</em> <a href="http://my.zol.com.cn/zyai03/">zyai03</a> 对 <a class="seri" href="/notebook/index346206.shtml">联想Y400N-IFI（H）</a>的点评
            </div>
                        <div class="isok">您认为此点评：
                <span class="ok" data-rel="491374,ok_4">有道理</span>
                <span id="ok_4">0</span>
                <span class="no" data-rel="491374,no_4">没道理</span>
                <span id="no_4">0</span>
            </div>
                        <div class="feed_reply">
                              <dl id="repBox4" class="reply show">
                <dt>回复</dt>
                <dd>
                                    <ul id="replyList4" class="reply_list">
                                        <li>
                      <a href="http://my.zol.com.cn/shenck1106/" class="reface"><img width="30" height="30" .src="http://8.zol-img.com.cn/bbs/user_photo/76346/50/76345415_50.jpg"></a>
                      <p>
                          <a href="http://my.zol.com.cn/shenck1106/">shenck1106：</a>我开机只有十几秒么<span class="time">（2013-08-12 16:49:58）</span>
                      </p>
                      <p class="rebtn"><em data-rel="reply4,shenck1106">回复</em></p>
                    </li>
                                      </ul>                  <div id="rForm4" class="reply_form">
                    <a href="#" class="myface"><img width="30" height="30" src="http://icon.zol-img.com.cn/photo/zoler_50.jpg"></a>
                    <textarea id="reply4" cols="50" rows="4" class="texReply" data-rel="repDiv4,tarea4,rForm4,repSub4"
                              title="请控制在200个汉字以内">请控制在200个汉字以内</textarea>
                    <div id="repDiv4" class="reply_submit">
                        <var id="tarea4" class="hide">0/200</var>
                        <input id="repSub4" class="replySub" type="button" value="回复" data-rel="reply4,491374,replyList4,rForm4"> 支持Ctrl+回车
                        <em class="cansel" data-rel="repDiv4,reply4,tarea4,rForm4,rep4,repBox4">取消</em>
                    </div>
                  </div>
                </dd>
              </dl>
            </div>
                      </div>
        </li>
        
        
        <li id="fengxingdong">
            <a name="review491083"></a>
          <div class="userinfo">
            <a href="http://my.zol.com.cn/fengxingdong/" class="face"><img .src="http://icon.zol-img.com.cn/photo/zoler_50.jpg" width="50" height="50"></a>
            <p><a href="http://my.zol.com.cn/fengxingdong/">fengxingdong</a> 点评</p>
                        <p class="user_level">
                <img src="http://icon.zol-img.com.cn/bbs/detail/time_star.gif" alt="考生[50经验]" /> 考生            </p>
                                                <p>注册于：09-03-22</p>
                                  </div>
          <div class="feed_box">
            <i class="fico"></i>
            <span class="date">发表于：2013-08-09 10:02:31</span>
            <div class="feed_star">
                <span class="star"><em style="width:20%"></em></span>
                <span class="lv">1.0</span>
            </div>
            <div class="comment_tit"><h4><a href="/352/351323/review_0_0_491083_1.shtml" target="_self">Y400缺点比优点多太多了</a></h4></div>
            <div class="comment_content">
                            <dl>
                <dt class="good">优点</dt>
                <dd>整机游戏性能很好，GT750M的显卡还是很给力的。
散热还不错，即使在37度的环境下玩游戏开一两天温度也在50-60度左右。</dd>
              </dl>
                            <dl>
                <dt class="bad">缺点</dt>
                <dd>屏蔽了核心显卡的供电即使刷BIOS也不能使用核心显卡。对于我们这些非富二代的人来说所谓的扩展显卡基本没啥意义，还不如提供核心显卡来实现双显卡切换。GT750M的显卡基本上的网游运行都没啥压力。
网络受限频繁对于一个玩诛仙喜欢多开挂机的玩家来说那就是一种伤啊。每天晚上挂机第二天基本会掉线，并躺在地上绝对的伤不起啊。
网上盛传的电池校正问题不知道后续生产的Y400会不会解决，本人机器2013年5月份生产的好多缺陷都没解决。
Y400整机的运行稳定性不算很好，经常会有卡机停顿的现象，偶尔会出现死机的现象。</dd>
              </dl>
                            <dl>
                <dt>总结</dt>
                <dd>爱玩游戏的朋友可以考虑这款机器。
办公者不建议，毕竟没有专业的商务本给力。专业办公还是选tinkpad的产品吧。</dd>
              </dl>
                          </div>
   </body>
</html>
只是想把里面的评论部分提取出来<dt class="good">优点</dt>
                <dd>整机游戏性能很好，GT750M的显卡还是很给力的。
散热还不错，即使在37度的环境下玩游戏开一两天温度也在50-60度左右。</dd>
              </dl>
                            <dl>
                <dt class="bad">缺点</dt>
                <dd>屏蔽了核心显卡的供电即使刷BIOS也不能使用核心显卡。对于我们这些非富二代的人来说所谓的扩展显卡基本没啥意义，还不如提供核心显卡来实现双显卡切换。GT750M的显卡基本上的网游运行都没啥压力。
网络受限频繁对于一个玩诛仙喜欢多开挂机的玩家来说那就是一种伤啊。每天晚上挂机第二天基本会掉线，并躺在地上绝对的伤不起啊。
网上盛传的电池校正问题不知道后续生产的Y400会不会解决，本人机器2013年5月份生产的好多缺陷都没解决。
Y400整机的运行稳定性不算很好，经常会有卡机停顿的现象，偶尔会出现死机的现象。</dd>
              </dl>
                            <dl>
                <dt>总结</dt>
                <dd>爱玩游戏的朋友可以考虑这款机器。
办公者不建议，毕竟没有专业的商务本给力。专业办公还是选tinkpad的产品吧。</dd>
              </dl>HTMLXML正则表达式

解决方案 »

  1.   

    (?is)(?<=\s*class="comment_content">\s*).*?(?=\s*</div>)用正则提取出来，html转为xml可以用htmlparser 参考http://www.cnblogs.com/shenba/archive/2009/04/12/1434050.html
      

  2.   

    htmlparser.dll，很方便的。下载地址：http://download.csdn.net/detail/caohf0608/2855074
      

  3.   

    非常感谢，提取出来了，但是不会使用htmlparser ，能不能简单的说一下？
      

  4.   

    自己google
    参考http://www.360doc.com/content/12/0317/00/820209_195045894.shtml
      

  5.   

    自己google
    参考http://www.360doc.com/content/12/0317/00/820209_195045894.shtml谢谢，我还想问一下，如何使用正则表达式呢？我用RegexTester可以匹配到我要提取的评论，但是不能够只把评论留下存成html格式，请问有没有其他好的工具呢？
      

  6.   

    自己google
    参考http://www.360doc.com/content/12/0317/00/820209_195045894.shtml谢谢，我还想问一下，如何使用正则表达式呢？我用RegexTester可以匹配到我要提取的评论，但是不能够只把评论留下存成html格式，请问有没有其他好的工具呢？RegexBuddy