简单正则问题

Question

html标记如下:
...
<div id=div1>
 <div>
   <ol>
        <li class=g>
          <h3 class=r>
              <a href="...">文字</a>
          <div>其他内容</div>
        <li class=g>
          <h3 class=r>
              <a href="...">文字</a>
          <div>其他内容</div>
        <li class=g>
          <h3 class=r>
              <a href="...">文字</a>
          <div>其他内容</div>
   </ol>
 </div>
</div>
...
问题1. 要查找div1里的每个<li class=g>内容，保存在string[]中
问题2. 要查找div1里的每个<li class=g>里a标记href内容，如何操作
thanks

Answer 1

本帖最后由 lxcnn 于 2010-04-28 13:00:05 编辑

  

Answer 2

抓的google的数据，确实没有</li>，参考了你的blog（http://blog.csdn.net/lxcnn/archive/2009/08/03/4402808.aspx）大致代码如下：
            string id = "res";
            string pattern = @"<([a-z]+)(?:(?!\bid\b)[^<>])*id=([""']?){0}\2[^>]*>(?><\1[^>]*>(?<o>)|</\1>(?<-o>)|(?:(?!</?\1).)*)*(?(o)(?!))</\1>";
            Match match = Regex.Match(source, string.Format(pattern, Regex.Escape(id)), RegexOptions.Singleline | RegexOptions.IgnoreCase);
            Console.WriteLine("--------begin {0}--------", id);
            if (match.Success)
            {
                string test = match.Value;                string[] results = test.Split(new string[]{"<li class=g>"}, StringSplitOptions.None);
                foreach (string result in results)
                {
                    Console.WriteLine("-------------------", id);
                    Console.WriteLine(result);
                    //下面再做判断
                }
            }
            Console.WriteLine("--------end {0}--------", id);但感觉没有您写的优雅

Answer 3

<li class=g>其实就是搜索出来的列表，我要针对每个<li class=g>里的内容进行分析

Answer 4

这个问题，如果我理解不错的话，似乎不简单。
你先获取div1的内容。
string str=div1Content;
然后用正则获取li class=g的内容
Regex reg=new Regex("<li class=g>(.+?)</li>");
for(int i=0;i<reg.Matchs(div1Content).Count;i++)
{
   string temValue=reg.Matchs(div1Content)[i].Group[1].value;//获取li class=g的内容
   //至于保存于string[]中，我想楼主应该有方法。这里不写了。
   //获取内容后，再获取a标签
　　String MyHrefPattern = @"<a[^>]+href=\s*(?:'(?<href>[^']+)'|""(?<href>[^""]+)""|(?<href>[^>\s]+))\s*[^>]*>(?<text>.*?)</a>"; //提取超链接的正则表达式
            Regex MyHrefRegex = new Regex(MyHrefPattern, RegexOptions.IgnoreCase | RegexOptions.Compiled);
}
以上代码是手打，如果有误，楼主自己在VS里调试。。
具体思路是这样的，楼主研究一下吧。

Answer 5

还有li标记里的href指的是取链接，还是文字，还是全部都要，一个li标记里是只有一个a标签，还是可能有多个
-------------------
取<li class=g>里的<h3 class=r>中的a标记的href(首先要保证链接，其次考虑文字)，每个<h3 class=r>中应该只有一个a标记，如果有多个，取第一个

Answer 6

简单的写了下，可能根据你的实际情况还要做些改动            string id = Regex.Escape(textBox1.Text);
            List<string> listLi = new List<string>();
            List<string> listA = new List<string>();
            Regex regDiv = new Regex(@"(?is)<div[^>]*?id=(['""]?)" + id + @"\1[^>]*>(?><div[^>]*>(?<o>)|</div>(?<-o>)|(?:(?!</?div\b).)*)*(?(o)(?!))</div>");
            Regex regLi = new Regex(@"(?is)<li\s+class=g>\s*(.*?)\s*(?=</?(li|ol)\b)");
            Regex regA = new Regex(@"(?is)<a\b[^>]*?href=(['""])(?<link>[^'""\s>]+)\1[^>]*>(?<text>.*?)</a>");
            Match mDiv = regDiv.Match(yourStr);
            if(mDiv.Success)
            {
                MatchCollection mcLi = regLi.Matches(mDiv.Value);
                foreach (Match mLi in mcLi)
                {
                    listLi.Add(mLi.Groups[1].Value);
                    Match mA = regA.Match(mLi.Groups[1].Value);
                    if (mA.Success)
                    {
                        listA.Add(mA.Value);
                    }
                }                
            }

Answer 7

看了一下，结果已经差不多了，在listA中得到的是这样的记录
<a href="http://stock.sohu.com/gzqh/" target=_blank class=l><em>股指期货</em>-搜狐证券</a>
能方便的得到 http://stock.sohu.com/gzqh/ 和 <em>股指期货</em>-搜狐证券 吗？万分感谢!

Answer 8

实际上已经这样写正则了，只是不太清楚楼主要的结果，看下这样是否满足            string id = Regex.Escape(textBox1.Text);
            List<string> listLi = new List<string>();
            List<string> listLink = new List<string>();
            List<string> listText = new List<string>();
            Regex regDiv = new Regex(@"(?is)<div[^>]*?id=(['""]?)" + id + @"\1[^>]*>(?><div[^>]*>(?<o>)|</div>(?<-o>)|(?:(?!</?div\b).)*)*(?(o)(?!))</div>");
            Regex regLi = new Regex(@"(?is)<li\s+class=g>\s*(.*?)\s*(?=</?(li|ol)\b)");
            Regex regA = new Regex(@"(?is)<a\b[^>]*?href=(['""])(?<link>[^'""\s>]+)\1[^>]*>(?<text>.*?)</a>");
            Match mDiv = regDiv.Match(yourStr);
            if(mDiv.Success)
            {
                MatchCollection mcLi = regLi.Matches(mDiv.Value);
                foreach (Match mLi in mcLi)
                {
                    listLi.Add(mLi.Groups[1].Value);
                    Match mA = regA.Match(mLi.Groups[1].Value);
                    if (mA.Success)
                    {
                        listA.Add(mA.Groups["link"].Value);
                        listA.Add(mA.Groups["text"].Value);
                    }
                }                
            }