过客,求解一个正则表达式


<div class="bizDetail vcard">
                <h1 class="bizName fn">Samaritano, John CPA PC</h1>
                <div class="bizAddr">
                    <address class="adr">
                        <span class="street-address">555 Broadhollow Rd. (Rt. 110),Suite 230</span><span class="locality">Melville</span><span class="commaSep">,</span><span class="region">NY</span><span class="postal-code">11747-5078</span>
                    </address>
                </div>
              
                <div>                                        
                                                                                                                                                                                                       
                </div>
                             
                
                    <div class="tel">
                        <span class="type">Local:</span>
                        <span class="value">(631) 249-5979</span>
                    </div>
                
                    <div class="tel">
                        <span class="type">Fax:</span>
                        <span class="value">(631) 249-7490</span>
                    </div>
                
              <p class="call"><a href="http://www.yellowbook.com/clicktocall/call.aspx?listingId=1836670044&amp;addressId=1&amp;phoneType=Local" onclick="return GB_c2c('', this.href);" title="Click to call: Local Phone Number">Have this business call me</a></p>
              <div class="bizWeb url"><a href="http://www.nycpas.net" target="_blank" onclick="OmLeadClick('profile: website link', true, '2558');PVifyExternalLink('img_external_1836670044_','/externaltracking?listingid=1836670044&amp;listingtype=paidlisting_gold&amp;url=http%253a%252f%252fwww.nycpas.net');" title="Go to website: www.nycpas.net">www.nycpas.net</a></div><div class="bizWeb email"><a href="mailto:[email protected]?subject=Link from yellowbook.com" onclick="OmLeadClick('profile: email link', false, '3442');" title="Email">[email protected]</a></div>
                 
            </div>
            
          </div>          <div class="threeColumn">
我想从上面的字符串得到的信息如下:
(1) Samaritano, John CPA PC
(2) 555 Broadhollow Rd. (Rt. 110),Suite 230
(3) Melville,NY11747-5078 
(4) (631) 249-5979 
(5) www.nycpas.net
(6) [email protected]想通过一个正则表达式来实现,请指教,谢谢

解决方案 »

  1.   

    (?<=\>)[^\<\>]*(?=\</)
    被不同标签隔开的好像一次性没办法取到一起去，静待过客
      

  2.   

    Melville,NY11747-5078 Melville</span><span class="commaSep">,</span><span 
    class="region">NY</span><span class="postal-code">11747-5078</span>这种不连续的字符串好像没办法连续取到，就算取到组里也不是放一起的，不知道过客有没有办法
      

  3.   

    (bizName fn|street-address|locality|class="value"|title="Email"|bizWeb url"><a href=")[">]*(?<value>([^<"]+(\w*</span>[\s\S]*?</address>)*))匹配到的Melville,NY11747-5078 中间有HTML代码，需要自己替换掉。
      

  4.   

    用<>匹配不是空格和回车的能匹配到
      

  5.   

    你要匹配div中的第几个span不是固定的，不知道怎么弄公用的，只能写你这个用例的特定的
      

  6.   

    (bizName fn|street-address|locality|class="value"|title="Email"|bizWeb url"><a href=")[">]*(?<value>([^<"]+(\w*</span>[\s\S]*?</address>)*))
      

  7.   

    (bizName fn|street-address|locality|class="value"|title="Email"|bizWeb url"><a href=")[">]*(?<value>([^<"]+(\w*</span>[\s\S]*?</address>)*))  把bizWeb url后面的空格去掉就可以了，不知道为什么贴上去就有空格了！
     
      

  8.   

    把bizWeb url后面的串中的空格去掉就可以了，不知道为什么贴上去就有空格了！ 
      

  9.   


    我怎么测试时能不过呢,我的C#代码MessageBox.Show(Regex.Match(Ls_Temp, @"(bizName fn|street-address|locality|class=""value""|title=""Email""|bizWeb url""> <a href="")["">]*(? <value>([^ <""]+(\w* </span>[\s\S]*? </address>)*))").ToString());
      

  10.   

     Regex r = new Regex(@"(bizName fn|street-address|locality|class=""value""|title=""Email""|bizWeb url""><a href="")["">]*(?<value>([^<""]+(</span><span class=""commaSep""[\s\S]*?</address>)*))");
                MatchCollection mc = r.Matches(html);
                System.Collections.IEnumerator numerator = mc.GetEnumerator();
                string valus = string.Empty;
                while (numerator.MoveNext())
                {
                    Match m = (Match)numerator.Current;
                    if (m == numerator || m.Groups["value"] == null) continue;
                    //valus += Regex.Replace(m.Groups["value"].Value, "<[^>]*>", "").Replace("\r\n","")+"<br/>";
                    valus += Regex.Replace(m.Groups["value"].Value, "<[^>]*>", "").Replace("\r\n", "") + "\r\n";
                }
                //Response.Write(valus);
                MessageBox.Show(valus);第一次回答问题，呵呵。
      

  11.   

    现在很不适应写这样的正则，先凑合着用吧，看有没有不符合要求的地方
    话说回来，其实这种需求，也没有太好的实现方式，写多个正则取多次的方式，灵活性会好些，效率上会差些，总体上来讲，也差不多的Regex reg = new Regex(@"(?is)<h1[^>]*>(?<h1>(?:(?!</?h1\b).)*)</h1>(?:(?!<span\b).)*<span class=""street-address"">(?<street>(?:(?!</span>).)*)</span>\s*<span[^>]*>(?<locality>(?:(?!</address>).)*)</address>(?:(?!Local:).)*Local:</span>\s*<span class=""value"">(?<local>(?:(?!</span>).)*)</span>[\s\S]*?<div class=""bizWeb url"">\s*<a[^>]*>(?<link>(?:(?!</a>).)*)</a>\s*</div>\s*<div\s*class=""bizWeb email"">\s*<a[^>]*>(?<email>(?:(?!</a>).)*)</a>");
    Regex regTag = new Regex(@"<[^>]*>");
    Match m = reg.Match(yourStr);
    if (m.Success)
    {
        richTextBox2.Text += m.Groups["h1"].Value.Trim() + "\n";
        richTextBox2.Text += m.Groups["street"].Value.Trim() + "\n";
        richTextBox2.Text += regTag.Replace(m.Groups["locality"].Value, "").Trim() + "\n";
        richTextBox2.Text += m.Groups["local"].Value.Trim() + "\n";
        richTextBox2.Text += m.Groups["link"].Value.Trim() + "\n";
        richTextBox2.Text += m.Groups["email"].Value.Trim() + "\n";
    }
      

  12.   

    过客的执行结果如下:
    Samaritano, John CPA PC
    555 Broadhollow Rd. (Rt. 110),Suite 230
    Melville,NY11747-5078
    (631) 249-5979
    www.nycpas.net
    [email protected]完全正确呀
    谢谢过客了
      

  13.   


    其实就是多个正则的拼接
    (?is) 忽略大小写和单行模式
    <h1[^>]*>(?<h1>(?:(?!</?h1\b).)*)</h1>  取h1标签中的内容，其实(?<h1>(?:(?!</?h1\b).)*)用非贪婪模式，写起来简单些，效率也基本上不会有多大差别，<h1[^>]*>(?<h1>.*?)</h1>，主要看源字符串的形式了
    (?:(?!<span\b).)* 因为接下来直到<span才是需要关注的内容，所以用这个来匹配不是<span的内容接下来的就是上面这种方式的重复了，分别取关注的标签的同容，其余的忽略掉而已
      

  14.   


    string ss = System.Text.RegularExpressions.Regex.Replace(str,@"(</?[^>]*>)|(\r\n)", ""); 
      

  15.   

    先把结束这个模块得,明天白天来慢慢来消化,
    过客,网址和email有时有,有时两者都没有,有时两者只有其一,正则表达式需要怎么样修改下
      

  16.   


    try...
    Regex reg = new Regex(@"(?is)<h1[^>]*>(?<h1>(?:(?!</?h1\b).)*)</h1>(?:(?!<span\b).)*<span\s+class=""street-address"">(?<street>(?:(?!</span>).)*)</span>\s*<span[^>]*>(?<locality>(?:(?!</address>).)*)</address>(?:(?!Local:).)*Local:</span>\s*<span\s+class=""value"">(?<local>(?:(?!</span>).)*)</span>(?:(?!<div\s+class=""bizWeb\s+(?:url|email)"">).)*(<div\s+class=""bizWeb\s+url"">\s*<a[^>]*>(?<link>(?:(?!</a>).)*)</a>\s*</div>)?(\s*<div\s+class=""bizWeb\s+email"">\s*<a[^>]*>(?<email>(?:(?!</a>).)*)</a>)?");
    Regex regTag = new Regex(@"<[^>]*>");
    Match m = reg.Match(yourStr);
    if (m.Success)
    {
        richTextBox2.Text += m.Groups["h1"].Value.Trim() + "\n";
        richTextBox2.Text += m.Groups["street"].Value.Trim() + "\n";
        richTextBox2.Text += regTag.Replace(m.Groups["locality"].Value, "").Trim() + "\n";
        richTextBox2.Text += m.Groups["local"].Value.Trim() + "\n";
        richTextBox2.Text += m.Groups["link"].Value.Trim() + "\n";
        richTextBox2.Text += m.Groups["email"].Value.Trim() + "\n";
    }