*******正则表达式(div标签内容提取)

Question

1.获取远程页面的内容：
........其它html略........
<DIV class="news_rbox mart10 border1" id=ShowPhoto>
<DIV class=news_rtit1>
<DIV class=news_rnav5><a>中国</a><img src='' /></DIV>
</DIV>
</DIV>
........其它html略...........2.要求结果:
<DIV class=news_rtit1>
<DIV class=news_rnav5><a>中国</a><img src='' /></DIV>
</DIV>3.问题:如果提取标签为DIV且id=ShowPhoto的内容？

Answer 1

Regex expression = new Regex("<div(?:.|\\n)*?id=ShowPhoto(?:.|\\n)*?>((?:.|\\n)*?)</div>", RegexOptions.IgnoreCase);
Group g = expression.Matches(text)[1].Groups[1];

Answer 2

Regex reg = new Regex(@"(?is)(?<=<div\b(?:(?!id=).)*id=ShowPhoto[^>]*>)(?><div[^>]*>(?<o>)|</div>(?<-o>)|(?:(?!</?div\b).)*)*(?(o)(?!))(?=</div>)");参考【分享】正则平衡组应用场景分析及性能优化

Answer 3

源文件： 
<div class="news_rbox mart10 border1" id="ShowPhoto">
      <div class="news_rtit1">
        <div class="news_rnav5"></div>
      </div>
            
  <div style="padding:5px" class="c333">
        


<div class="news_rboxx"><div style="height:100px; overflow:hidden"><a href="http://photos.jinti.com/Channel_15569"  target="_blank"><img src=http://pic.jinti.com/member/459491/140_105_20098149456705.jpg border="0" /></div>
          <a href="http://photos.jinti.com/Channel_15569"  target="_blank">华丽的美人鱼</a></div>


<div class="news_rboxx"><div style="height:100px; overflow:hidden"><a href="http://photos.jinti.com/Channel_15568"  target="_blank"><img src=http://pic.jinti.com/member/459491/140_105_200981485528705.jpg border="0" /></div>
          <a href="http://photos.jinti.com/Channel_15568"  target="_blank">碎花蓝的猜想</a></div>


<div class="news_rboxx"><div style="height:100px; overflow:hidden"><a href="http://photos.jinti.com/Channel_15567"  target="_blank"><img src=http://pic.jinti.com/member/459491/140_105_20098138562705.jpg border="0" /></div>
          <a href="http://photos.jinti.com/Channel_15567"  target="_blank">黄奕柔美小乔造型曝光</a></div>


<div class="news_rboxx"><div style="height:100px; overflow:hidden"><a href="http://photos.jinti.com/Channel_15566"  target="_blank"><img src=http://pic.jinti.com/member/459491/140_105_200981291112705.jpg border="0" /></div>
          <a href="http://photos.jinti.com/Channel_15566"  target="_blank">安室奈美惠代言变宫...</a></div>


      </div>
    </div>

Answer 4

想取<div class="news_rbox mart10 border1" id="ShowPhoto"> </div>之间的内容，上面的正则取不出.

Answer 5

晕死，明显跟你给的例子不一致<div class="news_rbox mart10 border1" id="ShowPhoto">算了，给你写通用了，不管效率了
Regex reg = new Regex(@"(?is)<div\b(?:(?!id=).)*id=(['""]?)ShowPhoto\1[^>]*>((?><div[^>]*>(?<o>)|</div>(?<-o>)|(?:(?!</?div\b).)*)*(?(o)(?!)))</div>");

Answer 6

上面说的很对，就正则匹配从match集合里取，

Answer 7

http://auto.jinti.com/iframe/WebRight.aspx这个是源页面，从这个页面提取，上面的正则把<div class="news_rbox mart10 border1" id="ShowPhoto"> 标签外的div也取出来了.

Answer 8

通过下面代码获取http://auto.jinti.com/iframe/WebRight.aspx页面的源文件
public static string PostData(string url, string data)
    {
        string info = string.Empty;
        try
        {
            CookieContainer cc = new CookieContainer();
            HttpWebRequest request = WebRequest.Create(url) as HttpWebRequest;
            request.CookieContainer = cc;
            request.Method = "POST";
            request.ContentType = "application/x-www-form-urlencoded";
            Stream requestStream = request.GetRequestStream();
            byte[] byteArray = Encoding.UTF8.GetBytes(data);
            requestStream.Write(byteArray, 0, byteArray.Length);
            requestStream.Close();
            HttpWebResponse response = request.GetResponse() as HttpWebResponse;
            Uri responseUri = response.ResponseUri;
            Stream receiveStream = response.GetResponseStream();
            Encoding encode = System.Text.Encoding.GetEncoding("utf-8");
            StreamReader readStream = new StreamReader(receiveStream, encode);
            info = readStream.ReadToEnd();
        }
        catch{}        return info;
    }

Answer 9

你用xml 转一下去节点多好啊 更容易控制啊

Answer 10

你的那个方法里data传的是什么？按你给的这个页面，里面根本就没有id="ShowPhoto"的div还有，给一下你是如何使用那个正则的代码Regex reg = new Regex(@"(?is)<div\b(?:(?!id=).)*id=(['""]?)ShowPhoto\1[^>]*>((?><div[^>]*>(?<o>)|</div>(?<-o>)|(?:(?!</?div\b).)*)*(?(o)(?!)))</div>");
MatchCollection mc = reg.Matches(yourStr);
foreach (Match m in mc)
{
    richTextBox2.Text += m.Groups[2].Value + "\n";
}