C#获取网页中匹配代码的正则问题

Question

<div id="ww" class="xx">
                <h1><a class="aacc" href="http://www.xxyy.com/abc/1234.html">今天天气：</a>晴转多云<span>有雨</span></h1>
                <div class="yy">
                    <div class="zz">
                        <div class="ee"></div>
                        <p class="dd"><strong>101</strong>
                        <span><a href="tst1.html"><img src="http://www.xx.com/123.gif" /></a></span>                        </p>
                    </div>
                    <table class="sadf">
                        <tr>
                            <th>温度</th>
                            <th>湿度</th>
                            <th>紫外线</th>
                        </tr>
                        <tr>
                            <td>102</td>
                            <td>11</td>
                            <td>22</td>
                        </tr>
                    </table>
                    <div class="www" id="xxx"><h3>当前时间</h3><div class="asdf"><ul id="asd"><li><span>9</span>点</li><li><span>15</span>分</li><li><span>3</span>秒</li></ul></div></div><div class="aa" id="bb"><p class="cc"><strong>33</strong> 省</p><p class="ee">市区</p><p class="ff">局部地区<br />无大碍</p><p class="zz">特别注意：<strong>无</strong> 人</p></div>                </div>
                <div class="ww">
                    <div class="gg"><img src="http://tup.com/abc/yaohuoqudetupian.jpg"/></div>
                                            <div class="afd"><br />不容易啊</div>
                                    </div>
            </div>-----------------------
上面代码中，我用c#正则获取以下数据：
1：http://www.xxyy.com/abc/1234.html
2：晴转多云<span>有雨</span>
3：<strong>101</strong>中的101这个数字
4：<td>102</td>中的102这个数字
5：<ul id="asd"><li><span>9</span>点</li><li><span>15</span>分</li><li><span>3</span>秒</li></ul>中的9,15,3这3个数字
6：<img src="http://tup.com/abc/yaohuoqudetupian.jpg"/>中的http://tup.com/abc/yaohuoqudetupian.jpg这个图片的链接谢谢高手帮忙，实在是搞不定了

Answer 1

string strHTML = "<li><a \"href=http://www.abcxyz.com/something/article/143.htm\" title=\"FCKEditor高亮代码插件测试\"><span class=\"article-date\">[09/11]</span>FCKEditor高亮代码插件测试</a></li>";
        string pattern2 = "http://([^\\s]+)\".+?span.+?\\[(.+?)\\].+?>(.+?)<";
        Regex reg2 = new Regex(pattern2, RegexOptions.IgnoreCase);
        MatchCollection mc2 = reg2.Matches(strHTML);
        if (mc2.Count > 0)
        {
            foreach (Match m in mc2)
            {
                Response.Write(m.Groups[1].Value);
                Response.Write(m.Groups[2].Value);
                Response.Write(m.Groups[3].Value);
            }
        }类似于这种的获取，谢谢

Answer 2

一次性提取，效率低一些，通用性差一些            Regex reg = new Regex(@"(?is)<a class=""aacc"" href=""([^""]+)"">今天天气：</a>(.*?)</h1>.*?<p class=""dd"">\s*(?:<strong>)?(\d+).*?<th>紫外线</th>\s*</tr>\s*<tr>\s*<td>(\d+)</td>.*?<span>(\d+)</span>点</li><li><span>(\d+)</span>分</li><li><span>(\d+)</span>秒.*?<div class=""gg""><img src=""([^""]+)""/></div>");
            MatchCollection mc = reg.Matches(yourStr);
            foreach (Match m in mc)
            {
                richTextBox2.Text += m.Groups[1].Value + "\n";
                richTextBox2.Text += m.Groups[2].Value + "\n";
                richTextBox2.Text += m.Groups[3].Value + "\n";
                richTextBox2.Text += m.Groups[4].Value + "\n";
                richTextBox2.Text += m.Groups[5].Value + "\n";
                richTextBox2.Text += m.Groups[6].Value + "\n";
                richTextBox2.Text += m.Groups[7].Value + "\n";
                richTextBox2.Text += m.Groups[8].Value + "\n";
            }没优化，看下吧，有不符合的给出具体例子

Answer 3

如果<td>102</td>有时候有，有时候没有，应该怎么写呢？谢谢

Answer 4

现在问题简单了，请问高手
<tr>
<th>温度</th>
  <th>湿度</th>
  <th>紫外线</th>
</tr>
如果要获取上面tr代码中的  温度，湿度，紫外线3个值，如果 紫外线 有时候有，有时候没有，请问这个正则应该如何写呢？这样简单了吧，如果有紫外线只获取3个值即可如果没有紫外线，只获取2个值即可

Answer 5

这个意思？            string test = @"  <tr>
  <th>温度</th>
  <th>湿度</th>
  </tr>
  <tr>
  <td>102</td>
  <td>11</td>
  </tr>
";
            Regex reg = new Regex(@"(?is)<th>温度</th>\s*<th>湿度</th>.*?<tr>\s*<td>(\d+)</td>\s*<td>(\d+)</td>(?:\s*<td>(\d+)</td>)?");
            Match m = reg.Match(test);
            if(m.Success)
            {
                richTextBox2.Text += m.Groups[1].Value + "\n";
                richTextBox2.Text += m.Groups[2].Value + "\n";
                richTextBox2.Text += m.Groups[3].Value + "\n";
            }

Answer 6

具体是这样的：
<table class="sadf">
  <tr>
  <th>温度</th>
  <th>湿度</th>
  <th>紫外线</th>
  </tr>
  <tr>
  <td>102</td>
  <td>11</td>
  <td>22</td>
  </tr>
  </table>
<a href="/abc/111.html" target="_blank">你好</a>
<p><a href="/abc/222.html" target="_blank">你好</a></p>前面的湿度，温度，紫外线都获取到了，那么后面有一个<p><a href="/deal/kelemei.html" target="_blank">你好</a></p>,我想获取这个p里面的a的href的内容，但是这个P或许有，或许没有，请问高手如何匹配呢？

Answer 7

你根据最新的吧
<table class="sadf">
  <tr>
  <th>温度</th>
  <th>湿度</th>
  <th>紫外线</th>
  </tr>
  <tr>
  <td>102</td>
  <td>11</td>
  <td>22</td>
  </tr>
  </table>
<a href="/abc/111.html" target="_blank">你好</a>
<p><a href="/abc/222.html" target="_blank">你好</a></p>前面的湿度，温度，紫外线都获取到了，那么后面有一个<p><a href="/abc/222.html" target="_blank">你好</a></p>,我想获取这个p里面的a的href的内容，但是这个P或许有，或许没有，请问高手如何匹配呢？跟温度，湿度，紫外线一起获取,那么正则需要判断是否包含<p><a href="/abc/222.html" target="_blank">你好</a></p>，如果包含，那么读取a的href，如果不包含，那么不读取

Answer 8

只要判断是否包含<p><a href="就可以了，如果包含，那么读取href里的内容，谢谢

Answer 9

try...            Regex reg = new Regex(@"(?is)<th>温度</th>\s*<th>湿度</th>.*?<tr>\s*<td>(\d+)</td>\s*<td>(\d+)</td>(?:\s*<td>(\d+)</td>)?\s*</tr>\s*</table>\s*<a[^>]*>.*?</a>(?:\s*<p><a[^>]*?href=""([^""]+)"")?");
            Match m = reg.Match(test);
            if(m.Success)
            {
                richTextBox2.Text += m.Groups[1].Value + "\n";
                richTextBox2.Text += m.Groups[2].Value + "\n";
                richTextBox2.Text += m.Groups[3].Value + "\n";
                richTextBox2.Text += m.Groups[4].Value + "\n";
            }

Answer 10

SDfsadfasdfas dfasdf df asdf