分析百度搜索结果中app类型的table...貌似这个只能用正则了....

Question

我一直用HtmlAgilityPack,基本已经满足百度搜索中遇到的大部分类型 比如“贴吧”“相关新闻”“产品搜索”等等..
但是今天碰到一个“另类”，就是百度页面中嵌入的“winform类型”，和别的html不太一样，貌似这个嵌到了jqury中了吧，不太懂，具体界面您可以用百度搜索一下“抑郁症”，然后您会看到页面中间部分有个像winform的应用程序，名字叫做“抑郁症专家”..问题来了..
就算是用HtmlAgilityPack,最后一层分析的结果也很复杂，
HtmlAgilityPack分析的最后一层结果如下(已经没有子节点了，最后一层的内容就这么多...) ->Tag:script
Type:Element
XPath:/html[1]/body[1]/div[1]/div[1]/div[1]/div[2]/table[8]/tr[1]/td[1]/script[3]
Value->(function(){ ;(function(){ var logUrl = 'http://nsclick.baidu.com/v.gif?pid=201'; var params = { tid : '7000', pj : 'app', fm : 'apptm', item : 'apploaded', zone: 'web-list', wd : '抑郁症', qid : window.bdQid, cid : window.bdCid, _t : new Date().getTime() }; var img = window.app_temp_img = new Image(); img.onload = img.onerror = img.onabort = function(){ img.onload = img.onerror = img.onabort = null; img = null; window.app_temp_img = null; }; for(var p in params){ logUrl = logUrl + '&' + p + '=' + encodeURIComponent(params[p]); } img.src = logUrl; })(); app.data = app.data || {}; var baidu = app.baidu; var data = { appLables : 0, appSType : "500" ,otherInfo : {"STYPE":[{"sa":"500", "su":1}]} }; baidu.extend(app.data,data); var args = { keyword : '抑郁症', initKeyword : '抑郁症', dispNum : 1, totalNum : 1, firstAppId : '190015' }; baidu.extend(app.args, args); var divisor = app.args.totalNum > app.args.separation_b ? 20 : 8; if(app.data.appSType == '200') { if(app.args.totalNum <= app.args.separation_b){ divisor = 2; } else if(app.args.totalNum >= 80){ if(!app.data.appLables){ app.data.appLables = {}; app.data.appLables.labels = app.data.otherInfo['LABEL']; } var st = app.data.otherInfo['STYPE']; if(app.data.otherInfo['STYPE']){ var t; for(var i = 0, l = st.length; i < l; i++){ t = st[i]; if(t.sa == '200'){ app.args.totalNum = t.su > 760 ? 760 : t.su; break; } } } divisor = 8; } } else if(app.data.appSType == '400' && app.args.totalNum <= app.args.separation_b){ divisor = 3; } else if(app.data.appLables !=0 && app.data.appLables.labels && app.data.appLables.labels.length >= 1 && app.data.appSType != '200'){ divisor = 12; } var pageNum = app.data.pageNum = Math.ceil(app.args.totalNum / divisor); app.data.initData = { "other_data" : [{"Query":"抑郁症","app_sType":"500", "Keyword":"抑郁症", "TotalPageNum":pageNum, "PageNo":1, "ListNum":1, "DispNum":1,"NowTime":window["bdServerTime"]}], "data": [   { "app_id":'190015', "app_cid":'6', "app_leaf_cid":'25', "rankExpand" : 1, "hotLevel" : 46.745, "app_name":'抑郁症专家', "app_name_hilight":'<em>抑郁症</em>专家', "developer_name":'开发者：好大夫在线',  "developer_alias":'好大夫在线',  "developer_website":'http://www.haodf.com', "developer_level" : '1', "app_shortdesc":'帮你找到可信赖的正规医院抑郁症专家',  "app_sType":'501',   "attribute": null,  "score":'0.0', "score_num":0, "app_price":'0', "app_logo":'http://apps3.bdimg.com/store/static/kvt/b2c3fd5bf0da7d1254d2e38e9e4c7aec.jpg' ,"app_useTimes":'994'   ,"create_time":1323069468 },  {} ].slice(0, -1) }; app.data.searchData = app.data.initData.data; app.data.initData.data = app.data.searchData.slice(0, divisor); })(); app.init(); 
我的目标是，取到【软件的名称】、【作者】、以及【说明】。看了一下 对应上述html中的位置分别是
"app_name":'抑郁症专家'
"developer_name":'开发者：好大夫在线'
"app_shortdesc":'帮你找到可信赖的正规医院抑郁症专家'

Answer 1

这个table的完整html如下（可根据mu属性值中有app.baidu字样来锁定该Table）：<table class="result-op"  cellpadding="0" cellspacing="0" srcid="6677" id="5" mu="http://app.baidu.com/%D2%D6%D3%F4%D6%A2" data-op="{'y':'F6FEE9B7'}"> <tr><td class="f"> <script type="text/javascript"> (function(){ function load_script(url, callback){ var head = document.getElementsByTagName('head')[0]; var script = document.createElement('script'); script.type = 'text/javascript'; script.src = url; script.onload = script.onreadystatechange = function(){ if((!this.readyState || this.readyState === "loaded" || this.readyState === "complete")){ callback && callback(); script.onload = script.onreadystatechange = null; if ( head && script.parentNode ) { head.removeChild( script ); } } }; head.insertBefore( script, head.firstChild ); } function ecomAdCallback(init_keyword){ G("ecom_541").innerHTML=window.arrBaiduAds["541"]; }; window.arrBaiduAds = window.arrBaiduAds || []; var word = '抑郁症'; var ecomUrl="http://a.baidu.com/ecom?di=541&tm=baiduASPT541L&word="+word; var ecom_541=G("ecom_541"); if (!!ecom_541) { load_script(ecomUrl,ecomAdCallback); } })(); </script> <script> var app = app || {}; app.args = app.args || {}; app.args.app_domain = "http://app.baidu.com"; app.args.app_static_url_pre = "/app/app/"; app.args.app_static_version = "?v4.2"; app.args.appListExist = 1; app.args.appStartTime = app.args.appStartTime || (+new Date()); (function(){ if(!app.args.appMyExist){ var u = app.args.app_static_url_pre; document.write(['<script src="', u, 'app_load.js',app.args.app_static_version,'"></scri', 'pt>'].join('')); } })(); </script> <div id="app-div"> <div id="app-tooltip-container"></div> <div id="app-frame"> <div id="app-container">  <div class="app-header"> <div class="app-header-top"></div> <div class="app-header-content"></div> </div>  <div id="app-search-shadow"></div> <div id="app-search-wrapper"> <div id="app-search"> <div id="app-search-c"> <input type="text" id="app-search-input" class="app-search-input" /> <button id="app-search-btn" class="app-search-btn">搜索</button> </div> <div id="app-search-nothing" class="app-search-nothing" style="visibility:hidden;">没有搜索到应用</div> <div class="app-search-bottom"><b class="app-search-close" id="app-search-close"></b></div> </div> <div class="app-clear"></div> </div>  <div class="app-body"> <div id="app-list-scene" class="app-scene-clip clearfix">  </div> </div>  <div class="app-bottom"></div> </div>  <div id="app-rcmd" class="app-rcmd"></div> </div> </div> <script> (function(){ ;(function(){ var logUrl = 'http://nsclick.baidu.com/v.gif?pid=201'; var params = { tid : '7000', pj : 'app', fm : 'apptm', item : 'apploaded', zone: 'web-list', wd : '抑郁症', qid : window.bdQid, cid : window.bdCid, _t : new Date().getTime() }; var img = window.app_temp_img = new Image(); img.onload = img.onerror = img.onabort = function(){ img.onload = img.onerror = img.onabort = null; img = null; window.app_temp_img = null; }; for(var p in params){ logUrl = logUrl + '&' + p + '=' + encodeURIComponent(params[p]); } img.src = logUrl; })(); app.data = app.data || {}; var baidu = app.baidu; var data = { appLables : 0, appSType : "500" ,otherInfo : {"STYPE":[{"sa":"500", "su":1}]} }; baidu.extend(app.data,data); var args = { keyword : '抑郁症', initKeyword : '抑郁症', dispNum : 1, totalNum : 1, firstAppId : '190015' }; baidu.extend(app.args, args); var divisor = app.args.totalNum > app.args.separation_b ? 20 : 8; if(app.data.appSType == '200') { if(app.args.totalNum <= app.args.separation_b){ divisor = 2; } else if(app.args.totalNum >= 80){ if(!app.data.appLables){ app.data.appLables = {}; app.data.appLables.labels = app.data.otherInfo['LABEL']; } var st = app.data.otherInfo['STYPE']; if(app.data.otherInfo['STYPE']){ var t; for(var i = 0, l = st.length; i < l; i++){ t = st[i]; if(t.sa == '200'){ app.args.totalNum = t.su > 760 ? 760 : t.su; break; } } } divisor = 8; } } else if(app.data.appSType == '400' && app.args.totalNum <= app.args.separation_b){ divisor = 3; } else if(app.data.appLables !=0 && app.data.appLables.labels && app.data.appLables.labels.length >= 1 && app.data.appSType != '200'){ divisor = 12; } var pageNum = app.data.pageNum = Math.ceil(app.args.totalNum / divisor); app.data.initData = { "other_data" : [{"Query":"抑郁症","app_sType":"500", "Keyword":"抑郁症", "TotalPageNum":pageNum, "PageNo":1, "ListNum":1, "DispNum":1,"NowTime":window["bdServerTime"]}], "data": [   { "app_id":'190015', "app_cid":'6', "app_leaf_cid":'25', "rankExpand" : 1, "hotLevel" : 46.745, "app_name":'抑郁症专家', "app_name_hilight":'<em>抑郁症</em>专家', "developer_name":'开发者：好大夫在线',  "developer_alias":'好大夫在线',  "developer_website":'http://www.haodf.com', "developer_level" : '1', "app_shortdesc":'帮你找到可信赖的正规医院抑郁症专家',  "app_sType":'501',   "attribute": null,  "score":'0.0', "score_num":0, "app_price":'0', "app_logo":'http://apps3.bdimg.com/store/static/kvt/b2c3fd5bf0da7d1254d2e38e9e4c7aec.jpg' ,"app_useTimes":'994'   ,"create_time":1323069468 },  {} ].slice(0, -1) }; app.data.searchData = app.data.initData.data; app.data.initData.data = app.data.searchData.slice(0, divisor); })(); app.init(); </script> </td></tr> </table>

Answer 2

Regex reg = new Regex(@"(app_name"":'[^']+)[\s\S]*?(developer_name"":'[^']+)[\s\S]*?(app_shortdesc"":'[^']+)");
if (reg.IsMatch(input))
            {
                Console.WriteLine(reg.Match(input).Groups[1].Value);
                Console.WriteLine(reg.Match(input).Groups[2].Value);
                Console.WriteLine(reg.Match(input).Groups[3].Value);
            }

Answer 3

input 是你的那个字符串！

Answer 4

太牛了...不过还差一点,大哥你就给来个一步到位的呗咋样?
我现在得到了三个字符串->
app_name\":'抑郁症专家
developer_name\":'开发者：好大夫在线
app_shortdesc\":'帮你找到可信赖的正规医院抑郁症专家如何只留后面的中文啊？传送门->http://topic.csdn.net/u/20111220/12/a502c677-5e0d-4deb-9cd1-92791d6e5894.html?seed=2000584284&r=77003302#r_77003302