怎样用正则表达式提取网页文本

Question

这个好象用正则不一定管用吧！呵，本人对正则不是很熟悉。这样提供你一个vbscript的函数做参考
function Remove_HTML(str)
dim ilen1,ilen2
do while instr(1,str,"<",1) >0
ilen1=instr(1,str,"<",1)
ilen2=instr(1,str,">",1)
str=left(str,ilen1 -1)&mid(str,ilen2+1)
loop
Remove_HTML = str
end function这个 函数不能保留原来的文本格式，你自己可以做一下修改！

Answer 1

var code = 楼主发的Html;
var div = document.getElementById(DivName); //建一个Div
div.innerHTML = code;alert(div.innerText); //这就是楼主要的东东

Answer 2

innerText FF 不能用.innerHTML 中所有 \r\n 在IE 中都被 清除....不过方法还是有的,,,懒得弄...

Answer 3

不是当前网页啊,是用FSO读出来的别的页面内容

Answer 4

俺就是想用javascript的正则表达式嘛

Answer 5

<textarea id="Text"><tr>
<td height='2' colspan='2'></td>
</tr>
<tr>
<td colspan='2'>办理护照延期须提供如下材料:
<P>1、提供本人所持中国护照原件及其资料页的复印件； </P>
<P>2、交二寸证件照片一张； </P>
<P>3、填写“中<A class=keylink href="http://www.chuguo.cn/info/stationsearch.aspx?key=华人&amp;ddl=-1&amp;ddlcountry=-1" target=_blank><FONT color=#0000ff>华人</FONT></A>民共和国护照/旅行证/海员证/回国证明申请表”一份； </P>
<P>4、交验获准在加拿大居留、工作或学习的证件(如:PERMANENT RESIDENT CARD、WORK PERMIT、STUDY PERMIT)原件并提供其复印件；</P>
<P>5、获加拿大永久居民身份满3年且尚未领取枫叶卡者，还须提供未入加拿大国籍的证明。此证明可向下列地址申请： <BR>CITIZENSHIP AND IMMIGRATION CANADA <BR>CASE PROCESSING CENTER SYDNEY <BR>P. O. BOX 7000 SYDNEY, NOVA SCOTIA B1P 6V6 <BR></P><IFRAME  ID='google5' src='/include/google5.htm' frameborder='0' scrolling='no' width='480' height='70'></IFRAME></td>
</tr>
</textarea>
<button onclick="alert(document.getElementById('Text').value.replace(/<[^>]+>/g, ''))">获取</button>

Answer 6

不是这个意思,我是想从用FSO读出的整个网页内容里,把
"办理护照延期须提供如下材料:"
到
"CITIZENSHIP AND IMMIGRATION CANADA <BR>CASE PROCESSING CENTER SYDNEY <BR>P. O. BOX 7000 SYDNEY, NOVA SCOTIA B1P 6V6 "
这之间的文本内容提取出来.

Answer 7

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
※以下是引用楼主 younkersoft(younkersoft) 在2007-05-07 10:11:46 的发言：
──────────────────────────────────────────
不是这个意思,我是想从用FSO读出的整个网页内容里,把
"办理护照延期须提供如下材料:"
到
"CITIZENSHIP AND IMMIGRATION CANADA <BR>CASE PROCESSING CENTER SYDNEY <BR>P. O. BOX 7000 SYDNEY, NOVA SCOTIA B1P 6V6 "
这之间的文本内容提取出来.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━汗-_-#有你这么提问题的吗

Answer 8

我给的代码就实现了,难道还得帮你把FSO写出来你把document.getElementById('Text').value改为你FSO读到的数据就可以了

Answer 9

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
※以下是引用楼主 younkersoft(younkersoft) 在2007-05-07 10:35:45 的发言：
──────────────────────────────────────────
大哥啊,不是当前页面啊,也不是全部的文本,就是想提其中一部分
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━你只说要一部分,用什么样的规则确定你的"这一部分"?

Answer 10

//--------------------------------
<tr>
<td height='2' colspan='2'></td>
</tr>
<tr>
<td colspan='2'>办理护照延期须提供如下材料:
<P>1、提供本人所持中国护照原件及其资料页的复印件； </P>
<P>2、交二寸证件照片一张； </P>
<P>3、填写“中<A class=keylink href="http://www.chuguo.cn/info/stationsearch.aspx?key=华人&amp;ddl=-1&amp;ddlcountry=-1" target=_blank><FONT color=#0000ff>华人</FONT></A>民共和国护照/旅行证/海员证/回国证明申请表”一份； </P>
<P>4、交验获准在加拿大居留、工作或学习的证件(如:PERMANENT RESIDENT CARD、WORK PERMIT、STUDY PERMIT)原件并提供其复印件；</P>
<P>5、获加拿大永久居民身份满3年且尚未领取枫叶卡者，还须提供未入加拿大国籍的证明。此证明可向下列地址申请： <BR>CITIZENSHIP AND IMMIGRATION CANADA <BR>CASE PROCESSING CENTER SYDNEY <BR>P. O. BOX 7000 SYDNEY, NOVA SCOTIA B1P 6V6 <BR></P><IFRAME  ID='google5' src='/include/google5.htm' frameborder='0' scrolling='no' width='480' height='70'></IFRAME></td>
</tr>
//-------------------
就是这部分啊

Answer 11

oh my god
你把我的函数转成javascript啊，我只会写vbscript，不会写javascript，只能给个参考你我提供的函数可以移除所有的html代码1

Answer 12

"你把我的函数转成javascript啊，我只会写vbscript，不会写javascript，只能给个参考你",这个函数是整个网页提取的,仅取一部分的话不适用吧?
"如果在客户端使用, 没这么简单, 要是在服务端就方便多了"??在服务器端有什么好途径??

Answer 13

就是想求出取
"<tr><td height='2' colspan='2'></td></tr><tr><td colspan='2'>"
与
"<IFRAME  ID='google5' src='/include/google5.htm' frameborder='0' scrolling='no' width='480' height='70'></IFRAME></td></tr>"之间内容的一个正则表达式

Answer 14

var r=new RegExp("<tr><td height='2' colspan='2'></td></tr><tr><td colspan='2'>(.*?)<IFRAME  ID='google5' src='/include/google5.htm' frameborder='0' scrolling='no' width='480' height='70'></IFRAME></td></tr>","gi");
得出来是空的,"(.*?)"这块应该怎么写?

Answer 15

<textarea name=textarea1>
//--------------------------------
<tr>
<td height='2' colspan='2'></td>
</tr>
<tr>
<td colspan='2'>办理护照延期须提供如下材料:
<P>1、提供本人所持中国护照原件及其资料页的复印件； </P>
<P>2、交二寸证件照片一张； </P>
<P>3、填写“中<A class=keylink href="http://www.chuguo.cn/info/stationsearch.aspx?key=华人&amp;ddl=-1&amp;ddlcountry=-1" target=_blank><FONT color=#0000ff>华人</FONT></A>民共和国护照/旅行证/海员证/回国证明申请表”一份； </P>
<P>4、交验获准在加拿大居留、工作或学习的证件(如:PERMANENT RESIDENT CARD、WORK PERMIT、STUDY PERMIT)原件并提供其复印件；</P>
<P>5、获加拿大永久居民身份满3年且尚未领取枫叶卡者，还须提供未入加拿大国籍的证明。此证明可向下列地址申请： <BR>CITIZENSHIP AND IMMIGRATION CANADA <BR>CASE PROCESSING CENTER SYDNEY <BR>P. O. BOX 7000 SYDNEY, NOVA SCOTIA B1P 6V6 <BR></P><IFRAME  ID='google5' src='/include/google5.htm' frameborder='0' scrolling='no' width='480' height='70'></IFRAME></td>
</tr>
//-------------------</textarea>
<script> 
var str=textarea1.value;
str=str.replace(/<[^>]*?>/ig,"");
alert(str);
</script>

Answer 16

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
※以下是引用楼主 younkersoft(younkersoft) 在2007-05-07 16:06:18 的发言：
──────────────────────────────────────────
就是想求出取
"<tr><td height='2' colspan='2'></td></tr><tr><td colspan='2'>"
与
"<IFRAME  ID='google5' src='/include/google5.htm' frameborder='0' scrolling='no' width='480' height='70'></IFRAME></td></tr>"
之间内容的一个正则表达式
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
<textarea id="Text">
测试用的干扰字符
<tr>
<td height='2' colspan='2'></td>
</tr>
<tr>
<td colspan='2'>办理护照延期须提供如下材料:
<P>1、提供本人所持中国护照原件及其资料页的复印件； </P>
<P>2、交二寸证件照片一张； </P>
<P>3、填写“中<A class=keylink href="http://www.chuguo.cn/info/stationsearch.aspx?key=华人&amp;ddl=-1&amp;ddlcountry=-1" target=_blank><FONT color=#0000ff>华人</FONT></A>民共和国护照/旅行证/海员证/回国证明申请表”一份； </P>
<P>4、交验获准在加拿大居留、工作或学习的证件(如:PERMANENT RESIDENT CARD、WORK PERMIT、STUDY PERMIT)原件并提供其复印件；</P>
<P>5、获加拿大永久居民身份满3年且尚未领取枫叶卡者，还须提供未入加拿大国籍的证明。此证明可向下列地址申请： <BR>CITIZENSHIP AND IMMIGRATION CANADA <BR>CASE PROCESSING CENTER SYDNEY <BR>P. O. BOX 7000 SYDNEY, NOVA SCOTIA B1P 6V6 <BR></P><IFRAME  ID='google5' src='/include/google5.htm' frameborder='0' scrolling='no' width='480' height='70'></IFRAME></td>
</tr>测试用的干扰字符
</textarea>
<button onclick="alert(document.getElementById('Text').value.replace(/^[\s\S]*<tr>\s*<td height='2' colspan='2'><\/td>\s*<\/tr>\s*<tr>\s*<td colspan='2'>|<IFRAME  ID='google5' src='\/include\/google5.htm' frameborder='0' scrolling='no' width='480' height='70'><\/IFRAME><\/td>\s*<\/tr>[\s\S]*$|<[^>]+>/g, ''))">获取</button>

Answer 17

找到解决办法了,我的文章是用固定的模板生成的,想提取的这部分在第157行,就从第157行开始读取,然后找底下的"google5"为结束标记,因为全文只有这一个词,然后采用jinjuduo() 的办法就OK了,谢谢大家的帮助.

Answer 18

我给你一个正则式，不过是VBS的，你看看改一下就能用了。Function HtmlToText(vStr,vNum)
If trim(vStr)<>"" Then
dim reg
dim newStr
set reg = New RegExp
reg.IgnoreCase  = True
reg.Global = True
reg.Pattern = "<.+?>"

newStr = reg.Replace(vStr,"&nbsp;")
newStr = Replace(newStr,"\s","")
newStr = Replace(newStr," ","")
newStr = Replace(newStr,"&nbsp;","")
newStr = Replace(newStr,vbNewLine,"")
newStr = Replace(newStr,chr(32),"")
newStr = Left(newStr,vNum)
newStr = newStr & "..."
End If

HtmlToText = newStr
End Function

Answer 19

<script>
str = '对不起，您的注册资料<font color="red"><b>未通过审核。</b></font>原因为：<font color="red">资料不完整！</font>'
str=str.replace(/<\/?[^>]*>/g, "")
alert(str)
</script>

Answer 20

replace(/<\/?[^>]*>/g, "")

Answer 21

女上司对我特别照顾，可我是个结过婚的人，我该怎么办？http://community.csdn.net/Expert/topic/5515/5515498.xml?temp=.4312403

Answer 22

btbtd(辞职中，一个月后找工作点点点) ( ) 信誉：100    Blog   加为好友  2007-5-7 9:46:35  得分: 0  
innerText FF 不能用.
innerHTML 中所有 \r\n 在IE 中都被 清除....
不过方法还是有的,,,懒得弄...
===========
同意ing...
innerText在IE里可以有效果,但是在火狐等浏览器就没效果了...