正则问题

在网上采集数据，我用的是For i = 1 To 50
    URL = "http://148.36.19.209:81/exam/ExamPaperByStep.aspx?paper_id=173&_id=62227&ptype=0&Str_XuHao=" & i
    strData = getHtmlStr(URL)
    Set reg = CreateObject("vbscript.regExp")
    reg.Global = True
    reg.IgnoreCase = True
    reg.MultiLine = True
    reg.Pattern = "(?:<.*?>| )"    Print #1, reg.Replace(strData, "")
NextPublic Function getHtmlStr(ByVal strUrl As String) As String
    Dim XmlHttp As Object
    Set XmlHttp = CreateObject("Microsoft.XMLHTTP")

    XmlHttp.Open "GET", strUrl, False
    On Error GoTo Err_net
    XmlHttp.send

    getHtmlStr = BytesToBstr(XmlHttp.ResponseBody, "UTF-8")

    Set XmlHttp = Nothing
Err_net:
End Function
Private Function BytesToBstr(strBody, codeBase) As String
    Dim objStream As Object
    Set objStream = CreateObject("Adodb.Stream")
    objStream.Type = 1
    objStream.Mode = 3
    objStream.Open
    objStream.Write strBody
    objStream.position = 0
    objStream.Type = 2
    objStream.Charset = codeBase
    BytesToBstr = objStream.ReadText
    objStream.Close
    Set objStream = Nothing
End Function
采集后我有二个问题来问一下，为什么采集的数据里还有一些网页的源码？？如setTimeout('top.moveTo(0,0)',50);
setTimeout('top.resizeTo(screen.availWidth,screen.availHeight)',50);
setTimeout("self.focus()",100);
等等？？当然这只是一个疑问！希望那位解释一下！
第二个问题就要大家帮忙了，我想把里面的类似的一段给提出来，其有个共同点就是    我要的数据在"数据"和"标识"这两个字之间，怎么写正则？？我试了几下都没法

解决方案 »

免费领取超大流量手机卡，每月29元包185G流量+100分钟通话, 中国电信官方发货

reg.Pattern = "数据(.*?)标识"
我试着用For i = 1 To 50
    URL = "http://148.36.19.209:81/exam/ExamPaperByStep.aspx?paper_id=173&_id=62227&ptype=0&Str_XuHao=" & i
    strData = getHtmlStr(URL)
    Set reg = CreateObject("vbscript.regExp")
    reg.Global = True
    reg.IgnoreCase = True
    reg.MultiLine = True
    reg.Pattern = "题型(.*?)标识"
    s = reg.Replace(strData, "")
    strData = s
    Set reg = CreateObject("vbscript.regExp")
    reg.Global = True
    reg.IgnoreCase = True
    reg.MultiLine = True
    reg.Pattern = "(?:<.*?>| )"
    Print #1, reg.Replace(strData, "")
  Next发现只有reg.Pattern = "(?:<.*?>| )"
起作用，单独用reg.Pattern = "题型(.*?)标识"，是一点儿作用也不起啊
网页中汉字的编码是UTF8|Unicode|GBK？
好像还是我写的表达式，好像还是我工具自动生成的解铃还须系铃人啊还剩余一些是因为它只替换了<>标签信息还有就是空格信息。还残余的是js，它并不在标签内，所以就没有被替换掉。可以先进行一次js的替换。For i = 1 To 50
    URL = "http://148.36.19.209:81/exam/ExamPaperByStep.aspx?paper_id=173&_id=62227&ptype=0&Str_XuHao=" & i
    strData = getHtmlStr(URL)
    Set reg = CreateObject("vbscript.regExp")
    reg.Global = True
    reg.IgnoreCase = True
    reg.MultiLine = True
    reg.Pattern = "<script .*?>[\s\S]*?</script>"
    strData = reg.Replace(strData, "")
    reg.Pattern = "(?:<.*?>| )"
    strData = reg.Replace(strData, "")
    Print #1, strData
Next其他类似问题可能还有css标签块等。
这样OK，但是 reg.Pattern = "题型(.*?)标识"这一句是错了还是怎么的，没有用啊
备注：
是UTF8编码，
'此代码由“正则测试工具 v1.1.32”自动生成，请直接调用TestReg过程
Private Sub TestReg()
    Dim strData As String
    Dim reg As Object
    Dim matchs As Object, match As Object    strData = "我要的数据在""数据""和""标识""这两个字之间，怎么写正则？？我试了几下都没法"    Set reg = CreateObject("vbscript.regExp")
    reg.Global = True
    reg.IgnoreCase = True
    reg.MultiLine = True
    reg.Pattern = "数据([\s\S]*?)标识"
    Set matchs = reg.Execute(strData)
    For Each match In matchs
        'Debug.Print match.Value
        Debug.Print match.SubMatches(0)
    Next
End Sub
<HTML xmlns="http://www.w3.org/1999/xhtml"><HEAD><TITLE>****网上学校</TITLE><LINK id=CssSkin href="../Skin/Skin023Zjjds/Skin023Zjjds.css" type=text/css rel=stylesheet text="text/css" runat="server"></HEAD>
<BODY>
......................................
<P style="LINE-HEIGHT: 1.5; TEXT-ALIGN: left">感谢您百忙之中上线................
....................................
<P style="LINE-HEIGHT: 1.5; TEXT-ALIGN: left">通过 <STRONG>题库练习</STRONG>，.........................................................
我认为没有用的源码省了，我要的就是把红字中间的汉字单独提出来，如何？
源码放上<html xmlns="http://www.w3.org/1999/xhtml" >
<head><title>
**财税网上学校
</title>

      <script type="text/javascript">

setTimeout('top.moveTo(0,0)',50);
setTimeout('top.resizeTo(screen.availWidth,screen.availHeight)',50);
setTimeout("self.focus()",100);
</script><link runat="server" id="CssSkin" href="../Skin/Skin023Zjjds/Skin023Zjjds.css" type="text/css" rel="stylesheet" text="text/css" /></head>
<script language="javascript" type ="text/javascript">
var oInterval="";

    //中间的源码省去！
<span id="Label17" style="font-size:Larger;font-size: 14px">本卷满分为</span>
                   <input name="tbxMarkFull" type="text" value="100" id="tbxMarkFull" disabled="disabled" class="textbox3" style="height:21px;width:40px;" />分</td>
<td style="width:100px;height: 5px"> 
        <input type="submit" name="Button_SJTJ" value="交卷" onclick="javascript:return confirm('您确定要提交么？');" id="Button_SJTJ" class="btn01" style="height:40px;width:80px;font-size: 14px" /></td>
<td style=" width:100px;height: 5px; ">
                     <a onclick="javascript:alert('时间已到，系统强制收卷，谢谢您的参与！');" id="Button_QiangZhi" href="javascript:__doPostBack('Button_QiangZhi','')"></a></td>
<td style="height: 5px">
                </td>
</tr>
<tr>
<td style="height: 1px" colspan="7" valign="bottom">
                    <span id="Label_PaperName" style="display:inline-block;height:20px;width:100%;font-weight: bold; vertical-align: baseline; text-align: center">一月份电子考场</span></td>
</tr>
</table>         <br />
        <table id="Table_List" width="750" style="font-size: 14px">
<tr>
<td>
                    <span id="Label3">题目总数</span></td>
<td>
                    <span id="Label5">做过题目数</span></td>
<td>
                    <span id="Label7">剩余题目数</span></td>
<td>
                    <span id="Label9"></span></td>
<td>
                    <span id="Label12"></span></td>
<td>
                    <span id="Label13"></span></td>
</tr>
<tr>
<td>
                    <span id="lblZS">50</span></td>
<td>
                    <span id="lblZG">1</span></td>
<td>
                    <span id="lblSY">49</span></td>
<td>
                    <span id="lblHG"></span></td>
<td>
                    <span id="lblYD"></span></td>
<td>
                    <span id="lblIsHG"></span></td>
</tr>
</table>        <br />
                <table id="Table_List2" border="0" style="border-color:#C0C0FF;border-width:1px;border-style:Solid;width:750px;font-size: 14px"></table>
                            <table id="Table_Exam" border="0" style="border-color:#C0C0FF;border-width:1px;border-style:Solid;width:750px;font-size: 14px">
<tr style="border-width:1px;border-style:solid;">
<td><span style="font-weight:bold;">题型：单选题   本题分数：  2分</span></td>
</tr><tr>
<td><span>2、根据企业所得税法的规定，除固定资产改建支出、大修理支出外的其他长期待摊费用摊销年限最低为（    ）。</span></td>
</tr><tr>
<td><table id="1446815" border="0">
<tr>
<td><input id="1446815_0" type="radio" name="1446815" value="A、3年" /><label for="1446815_0">A、3年</label></td>
</tr><tr>
<td><input id="1446815_1" type="radio" name="1446815" value="B、4年" /><label for="1446815_1">B、4年</label></td>
</tr><tr>
<td><input id="1446815_2" type="radio" name="1446815" value="C、5年" /><label for="1446815_2">C、5年</label></td>
</tr><tr>
<td><input id="1446815_3" type="radio" name="1446815" value="D、10年" /><label for="1446815_3">D、10年</label></td>
</tr>
</table></td>
</tr>
</table>
        <table id="tblBtn" border="0" cellpadding="0" cellspacing="0" style="width: 750px;">
<tr>
<td colspan="6" rowspan="3">
        <br />
        <input type="submit" name="btnOK" value="确定" id="btnOK" class="btn" />
                     
        <input type="submit" name="btnJump" value="跳过此题" id="btnJump" class="btn" /> 
           
                    <span style="font-weight:bold;"><input id="CheckBox1" type="checkbox" name="CheckBox1" onclick="javascript:setTimeout('__doPostBack(\'CheckBox1\',\'\')', 0)" /><label for="CheckBox1">标记</label></span><br />
                    <br />

                    <br />
         <table id="Table1" border="0" cellpadding="0" cellspacing="0" style="width: 750px; font-size: 14px; font-weight: bold;">
//此间的源码省了
</tr>
</table>        <table id="tblTip" border="0" cellpadding="0" cellspacing="0" height="60" style="width: 750px; font-size: 14px;">
<tr>
<td id="tdPutong2" style="height: 1px" colspan="6" valign="bottom">
                    ---跳过此题：点击后跳过当前的题目，全部做完后，关闭页面，再打开试卷，跳过的题目会再次出现。</td>
</tr>
<tr>
<td id="tdColor" colspan="6" style="height: 1px" valign="bottom">
                    ---颜色含义：<font color="blue"><strong>蓝色</strong></font>表示做过的题，<strong>黑色</strong>表示未做的题。<br />
                    <font color="red"><strong>                 
                           红色</strong></font>表示打了标记的题（表示对此题把握不大，题目全部做完后想回头认真检查这些题目）。</td>
</tr>
<tr>
</tr>
</table>        <br />
        <br />
        <br />

        <br />
        <br />

        <br />
        </form>
    <script language ="javascript" type="text/javascript">    fnStartInterval();
    </script>
</body>
</html>
我需要的数据是<td><span style="font-weight:bold;">题型：单选题   本题分数：  2分</span></td>
</tr><tr>
<td><span>2、根据企业所得税法的规定，除固定资产改建支出、大修理支出外的其他长期待摊费用摊销年限最低为（    ）。</span></td>
</tr><tr>
<td><table id="1446815" border="0">
<tr>
<td><input id="1446815_0" type="radio" name="1446815" value="A、3年" /><label for="1446815_0">A、3年</label></td>
</tr><tr>
<td><input id="1446815_1" type="radio" name="1446815" value="B、4年" /><label for="1446815_1">B、4年</label></td>
</tr><tr>
<td><input id="1446815_2" type="radio" name="1446815" value="C、5年" /><label for="1446815_2">C、5年</label></td>
</tr><tr>
<td><input id="1446815_3" type="radio" name="1446815" value="D、10年" /><label for="1446815_3">D、10年</label></td>
</tr>
</table></td>
</tr>
</table>
        <table id="tblBtn" border="0" cellpadding="0" cellspacing="0" style="width: 750px;">
<tr>
<td colspan="6" rowspan="3">
        <br />
        <input type="submit" name="btnOK" value="确定" id="btnOK" class="btn" />                     
        <input type="submit" name="btnJump" value="跳过此题" id="btnJump" class="btn" /> 
           
                    <span style="font-weight:bold;"><input id="CheckBox1" type="checkbox" name="CheckBox1" onclick="javascript:setTimeout('__doPostBack(\'CheckBox1\',\'\')', 0)" /><label for="CheckBox1">标记把中间的HTML的源码去除后得到一正确的练习题，如果能把按钮确定也去除最好！
'此代码由“正则测试工具 v1.1.33”自动生成，请直接调用TestReg过程
Private Sub TestReg()
    Dim strData As String
    Dim reg As Object
    Dim matchs As Object, match As Object    strData = "xxx"    Set reg = CreateObject("vbscript.regExp")
    reg.Global = True
    reg.IgnoreCase = True
    reg.MultiLine = True
    reg.Pattern = ">题型：[\s\S]*?id=""CheckBox1"""
    Set matchs = reg.Execute(strData)
    For Each match In matchs
        'Debug.Print match.Value
        Debug.Print match.SubMatches(0)
    Next
End Sub
OK有二个小问题，一是要用Debug.Print match.SubMatches(0)就会提示出错，用Debug.Print match.Value
就得到正确的数据，但是我要的把reg.Pattern = ">题型：[\s\S]*?id=""CheckBox1"""
换成reg.Pattern = "题型：[\s\S]*?标识"那他就什么数据也提不出来，为什么？
此贴追加40分吧，感谢sysdzw!
关于自己是否适合编程的很简单的测试：
在报纸或杂志上随便找一段约1000字的文章，在Word中输入一遍。输完后再参考下面答案：A里面有10处以上文字或标点错误
B里面没有文字或标点错误并敢为此跟人打赌
C里面没有文字或标点错误并且字体和排版完全与原稿一致
D打印在半透明的纸上和原稿重叠在一起检查一模一样，且自我感觉很有成就感A不适合编程（理由：打字准确度偏低、粗心大意）
B初级程序员（理由：打字准确度很高、认真细致、自信、理解全角半角概念）
C高级程序员（理由：在B的基础上理解字体和排版也是电脑打印的重要因素、但相比D还不够偏执、精益求精、结果可验证）
D软件项目经理（理由：能针对项目给出令人信服的细致到极点的需求说明和典型测试用例。用户几乎挑不出毛病。专业！）如果想从A变成B的话，到我的资源http://zhao4zhong1.download.csdn.net/里面下载“适合程序员的键盘练习”