正则问题第四问

Question

有html结构如下
<table ... id="main" ...>
<tbody>
 <tr>
  <td .....></td>
  <td class="s_l">
  <div><ol id="adlist_t">无关内容包含li标记</div>
  <ol>
  <li class="topsp">
  <h3><a href="链接">文字</a></h3>
  <p>无关内容</p>
  <div class="result_summary">无关内容网页快照无关内容预览</div>
  </li>
  <li>
  <h3><a href="链接">文字</a></h3>
  <p>无关内容</p>
  <div class="result_summary">无关内容网页快照无关内容预览</div>
  </li>
  <li>
  <h3><a href="链接">文字</a></h3>
  无关内容
  </li>
  <li>
  <h3><a href="链接">文字</a></h3>
  <p>无关内容</p>
  <div class="result_summary">无关内容网页快照无关内容预览</div>
  </li>
  ...
  </ol>
  <div><ol id="adlist_t">无关内容包含li标记</div>
 </tr>
 <tr>
  ...
  </tr>
</tbody>
</table>我要得到的内容就是链接和文字（粗体显示），就是得到table（id为main）里ol（无id）里的<li>中<h3>中第一个（也只有一个）a标记的href和内容
有几个条件
1. 这个ol无id，而在其他div中还有些ol是有id的（如adlist_t），必须排除
2. 这个ol中有多个li，我要的li里必须还有一个div，class="result_summary"，里面还有文字"网页快照"和"预览"
请参考
http://topic.csdn.net/u/20100429/10/b58fd37b-aa05-4f45-a418-5c908e823086.html

Answer 1

1.使用(?is)<table[^>]*?id="main"[^>]*>.+?</table>获取id为main的table块
2....
其他规则太复杂了。没时间写了……

Answer 2

http://www.soso.com/q?pid=s.idx&w=%B9%C9%C6%B1其实要的就是搜出来的前10条记录

Answer 3

(?is)<div[^<>]+id="ad_top"[^<>]+>.+?<div[^<>]+id="ad_top"[^<>]+>获取到的内容就是你要的所有内容的块，然后在这个范围内再找把。规则复杂，懒得找了。不过我觉得，可以考虑用
HtmlDocument.GetElementById方式来做会容易一点点。

Answer 4

测试一下，Ok啦！
(?ix)<li[^>]*><h3><a\shref="(?<link>[^"]*)"[^>]*>(?<text>.*?)</a>

Answer 5

证券频道_腾讯网
<em>股票</em>_搜搜百科
浦发银行(600000) _ <em>股票</em>行情 _ 东方财富网
<em>股票</em>首页_新浪财经_新浪网
和讯<em>股票</em>-访问量最大最专业的<em>股票</em>投资交流平台
<em>股票</em>行情中心_实时行情,行情数据_证券之星_比<em>股票</em>行情软件好用的网上...
证券之星-中国金融证券门户-<em>股票</em>-基金-股吧-行情-数据-外汇-期货
<em>股票</em>入门,炒股入门,<em>股票</em>知识,股市入门,如何炒股,炒股,入门吧
<em>股票</em>频道-全方位<em>股票</em>资讯平台-金融界
<em>股票</em>_证券之星_中国权威的<em>股票</em>资讯、<em>股票</em>投资交流平台
http://finance.qq.com/stock/
http://baike.soso.com/v49550.htm
http://quote.eastmoney.com/
http://finance.sina.com.cn/stock/
http://stock.hexun.com/
http://quote.stockstar.com/stock/
http://www.stockstar.com/home.htm
http://rumen8.com/
http://stock.jrj.com.cn/
http://stock.stockstar.com/