使用正则表达式解析的初步体会(固定格式网页解析)
添加时间: 2007-7-15 3:20:20 作者: c#教程 阅读次数:81 来源: http://www.d9soft.com
Set oDocument = Form2.m_IE.Document
Set oelement = oDocument.Forms("searchdetail")
Set oListTableElement = oelement.children(0).children(0)
这样的好处是简单，但坏处是：如何读取以及节点值究竟是什么含意这些信息，不太好抽取出来放到外面，作为灵活配置的文件。
因为它属于一个Childnodes一个Childnodes这么遍历的，无法灵活设定深度以及含义。
又体验了一把正则表达式，专门处理了北京式门户的站点HTML，由于北京式门户的12个省总排行榜页面中总包含这样的固定代码：
<input type = "hidden" name = "hiddentonecode" value = "601504000000000395">
<input type = "hidden" name = "hiddenename" value = "xxx">
<input type = "hidden" name = "hiddensname" value = "ccc">
<input type = "hidden" name = "hiddensinger" value = "vvvv">
<input type = "hidden" name = "hiddentinfo" value = " ">
<input type = "hidden" name = "hiddenpr" value = "42424">
<input type = "hidden" name = "hiddenupdatetime" value = "2004-05-10 10:55:11">
<input type = "hidden" name = "hiddendowadtimes" value = "23432432">
发现下面的式子可以把一系列值解析到一个又一个的MatchCollection中。
我用的是"The Regulator"
也就是Collection“hiddentonenames”总是XX名的集合，按序排列；
Collection“hiddenspnames”总是XX名的集合，按序排列；
Collection“hiddensingers”总是XX名的集合，按序排列；
以此类推。
在C#中，可以用如下
foreach(Match match in matchCollection)
{
Group groupToneNames = match.Groups["hiddentonenames"];
Group groupSpNames = match.Groups["hiddenspnames"];
Group groupSingers = match.Groups["hiddensingers"];
}
这样，我可以针对这各种门派的Portal风格写出专门的正则表达式，但让他们输出的Collections名字都是一样的，从而让获取
一个
以后更新，只需要修改各个门派的正则表达式即可。
感谢王辉的《Web页面爬行实践》精彩文章！
上下文章:
上一篇文章: Visual C#实战体验Hello World 下一篇文章: C#异常处理机制初步
相关文章:
相关软件: