如何用正则表达式提取网页内容?

网上有现成的，过滤掉所有标签的。你得到<form>到</form>的字符串开始过滤

解决方案 »

  1.   


    <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"
    "http://www.w3.org/TR/html4/loose.dtd">
    <html>
    <head>
    <meta http-equiv="Content-Type" content="text/html; charset=utf-8">
    <title>无标题文档</title>
    <script type="text/javascript">
    //<![CDATA[
     //----------------------------------------begin object XMLHTTP --------------------------//
     var XMLHTTP={
      //-----------------------------------begin request
      request:function(){ 
       try{
        return new XMLHttpRequest();
       } catch(e) {
        try{
         return new ActiveXObject('microsoft.xmlhttp');
        } catch(e){
         try{ return new ActiveXObject("Msxml2.XMLHTTP"); } catch(e){}
        }
       }
      },
      //-----------------------------------end request
      // begin text
      text:function(method, url, func){
       var request=XMLHTTP.request();
        request.open(method, url);
        request.onreadystatechange=function(){
         if(request.readyState==4&&request.status==200){
          if(func) func(request.responseText);
          else alert(request.responseText);
         }
        }
        request.send(null);
      }
      //-----------------------------------end text
     } // shawl.qiu script
     //----------------------------------------end object XMLHTTP ----------------------------//
     onload=function(){
      var sHtml=XMLHTTP.text('GET', document.URL, fGet);
     }
     
     function fGet(sSrc){
      sSrc=sSrc.replace(/<(?!img)[\s\S]*?>/gi,'')
      
      alert(sSrc)
     }
    //]]>
    </script>
    </head><body>
    <form name="form1" method="post" action="">
    <p>姓名:lizhizhe2000(彬彬 ) 
    </p>
    <p>地址格式等)，它具有用来检查给出的字符串是否符合规则的属性和方法。 <br>
    除此之外，你用RegExp构造器建立的个别正则表达式对象的属性，就已经预先定义好了正则表达式 </p>
    <p><img src="protfield.gif" width="16" height="16">
    <img src="protmethod.gif" width="16" height="16"></p>
    </form>
    </body>
    </html>
      

  2.   

    //]]>
    去掉俺的 AJAX 脚本就OK
      

  3.   

    <SCRIPT>
    var str="<p>姓名:lizhizhe2000(彬彬 ) </p>  <p>地址格式等)，它具有用来检查给出的字符串是否符合规则的属性和方法。   除此之外，你用RegExp构造器建立的个别正则表达式对象的属性，就已经预先定义好了正则表达式 </p>"
    var re =/<p>(\w\W)+?<\/\1>/gi;
     var newstr=str.replace(re, '$1');
    document.write(newstr)
    </SCRIPT>
      

  4.   

    <(?!img)[\s\S]*?>除了script外都可以也可以看一下这个
    <(\/\s*)?!?((\w+:)?\w+)(\w+(\s*=?\s*(([""'])(\\[""'tbnr]|[^\7])*?\7|\w+)|.{0})|\s)*?(\/\s*)?>