个人中心
文章发布
退出
作者热门文章
- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
25
4
尝试解析 HTML 文档并提取一些元素(任何指向文本文件的链接)。
当前的策略是将 HTML 文档加载到字符串中。然后找到文本文件链接的所有实例。它可以是任何文件类型，但是对于这个问题，它是一个文本文件。
最终目标是拥有一个 IEnumerable 字符串对象列表。这部分很简单，但解析数据才是问题。
<html>
<head><title>Blah</title>
</head>
<body>
<br/>
<div>Here is your first text file: <a href="http://myServer.com/blah.txt"></div>
<span>Here is your second text file: <a href="http://myServer.com/blarg2.txt"></span>
<div>Here is your third text file: <a href="http://myServer.com/bat.txt"></div>
<div>Here is your fourth text file: <a href="http://myServer.com/somefile.txt"></div>
<div>Thanks for visiting!</div>
</body>
</html>
最初的方法是:
href= 开头并以 .txt 结尾的字符串>问题是:
这是一个使用 Jeff 建议的正则表达式的 C# 控制台应用程序.它可以很好地读取字符串，并且不会包含任何未以 .txt 结尾的 href。对于给定的示例，它正确地不在结果中包含 .txt.snarg 文件(如 HTML 字符串函数中提供的那样)。
using System;
using System.Collections.Generic;
using System.Text;
using System.Text.RegularExpressions;
using System.IO;
namespace ParsePageLinks
{
class Program
{
static void Main(string[] args)
{
GetAllLinksFromStringByRegex();
}
static List<string> GetAllLinksFromStringByRegex()
{
string myHtmlString = BuildHtmlString();
string txtFileExp = "href=\"([^\\\"]*\\.txt)\"";
List<string> foundTextFiles = new List<string>();
MatchCollection textFileLinkMatches = Regex.Matches(myHtmlString, txtFileExp, RegexOptions.IgnoreCase);
foreach (Match m in textFileLinkMatches)
{
foundTextFiles.Add( m.Groups[1].ToString()); // this is your captured group
}
return files;
}
static string BuildHtmlString()
{
return new StringReader(@"<html><head><title>Blah</title></head><body><br/>
<div>Here is your first text file: <a href=""http://myServer.com/blah.txt""></div>
<span>Here is your second text file: <a href=""http://myServer.com/blarg2.txt""></span>
<div>Here is your third text file: <a href=""http://myServer.com/bat.txt.snarg""></div>
<div>Here is your fourth text file: <a href=""http://myServer.com/somefile.txt""></div>
<div>Thanks for visiting!</div></body></html>").ReadToEnd();
}
}
}
最佳答案
都没有。将其加载到 (X/HT)MLDocument 中并使用 XPath，这是一种处理 XML 的标准方法，非常强大。要查看的函数是 SelectNodes和 SelectSingleNode .
因为您显然使用的是 HTML(不是 XHTML)，所以您应该使用 HTML Agility Pack .大多数方法和属性与相关的 XML 类匹配。
使用 XPath 的示例实现:
HtmlDocument doc = new HtmlDocument();
doc.Load(new StringReader(@"<html>
<head><title>Blah</title>
</head>
<body>
<br/>
<div>Here is your first text file: <a href=""http://myServer.com/blah.txt""></div>
<span>Here is your second text file: <a href=""http://myServer.com/blarg2.txt""></span>
<div>Here is your third text file: <a href=""http://myServer.com/bat.txt""></div>
<div>Here is your fourth text file: <a href=""http://myServer.com/somefile.txt""></div>
<div>Thanks for visiting!</div>
</body>
</html>"));
HtmlNode root = doc.DocumentNode;
// 3 = ".txt".Length - 1. See http://stackoverflow.com/questions/402211/how-to-use-xpath-function-in-a-xpathexpression-instance-programatically
HtmlNodeCollection links = root.SelectNodes("//a[@href['.txt' = substring(., string-length(.)- 3)]]");
IList<string> fileStrings;
if(links != null)
{
fileStrings = new List<string>(links.Count);
foreach(HtmlNode link in links)
fileStrings.Add(link.GetAttributeValue("href", null));
}
else
fileStrings = new List<string>(0);
关于c# - 解析 HTML 文档 : Regular expression or LINQ?，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/907563/
25
4
0
我正在使用 Swift 开发一个项目，当时我正在使用 Storyboard为 iPad 和 iPhone 创建 UI，因此我同时需要更改 Storyboard的大小(我使用的是大小类)。在我为 iPh
此示例数据由 Web 服务返回 200,6, "California, USA" 我想使用 split(",") 拆分它们并尝试使用简单的代码查看结果。 String loc = "200,6,\"C
我正在尝试创建正则表达式，以便我可以使用 LucidWorks 对我网站上的某些 URL 进行爬网和索引。 示例网址:http://www.example.com/reviews/assassins-
在检查给定语言是否正常时，我有点困惑。 假设我们必须检查是否: L. The language accepting even number of 0's in regular or not? 我们知道
我真的是新手，所以我为这里的笨拙而道歉。 构造识别以下语言的Deterministic Finite Automaton DFA: L= { w : w has at least two a's an
Pumping Lemma被用来证明一种不规则的语言。但是语言如何 证明是正常的？尤其是， Let L be a language. Define half(L) to be { x | for s
我刚刚开始阅读有关泵送引理的内容，并且知道如何进行一些证明，主要是通过反证法。我似乎找不到答案，只是这个特殊问题。我不知道如何开始。我可以假设必须有一个泵浦长度 P 并且对于 L 的所有 w 元素，L
如果语言 L1,...,Ln 是正则的，那么它们的并集也是正则的吗？ 我们知道两种正则语言的并集是正则语言。如何证明多个正则语言的并集也是正则的？ 最佳答案 您可以使用归纳法。这是一个非常非常生锈的证
如果对于其语言中的任何字符串 w，PDA(Pushdown Automaton)最多转动其堆栈的方向 k 次，则称其为 k 转。众所周知，语言 L 是线性的当且仅当被 1 圈 PDA 接受。现在，常规
如果语言 L1,...,Ln 是正则的，那么它们的并集也是正则的吗？ 我们知道两种正则语言的并集是正则语言。如何证明多个正则语言的并集也是正则的？ 最佳答案 您可以使用归纳法。这是一个非常非常生锈的证
给 R 常规语言。 下面的语言是否也是正则的: Comp(R) = { u | u is NOT a sub-word of a word in R } 看起来 Comp(R) 中没有单词，因为 R
设 L1 和 L2 是字母表 {a,b} 上的常规语言。我们定义语言 L3 如下: L3 = {pqr | pr ∈ L1, q ∈ L2} L3 是通过将来自L2 的字符串插入来自L1 的字符串而获
我们都知道(a + b)*是仅包含符号的常规语言 a和 b . 但是(a + b)*是一个无限长的字符串，它是有规律的，因为我们可以建立一个有限自动机，所以它应该是有限的。 任何人都可以解释一下吗？
如何计算常规语言的最小抽水长度。例如，如果我有 0001*，那么最小抽气长度应该是 4，即 000 无法抽气。为什么会这样？ 最佳答案 它将小于或等于该语言的最小 DFA 中的状态数减去一。因此，将正
我有以下代码可以执行我想要的操作，从该命令的结果中检索包名称: 命令: dpkg --get-selections | grep amule 要分析的字符串: string = 'amule\t\t\
1、什么是正则表达式？ 简单的说：正则表达式（Regular Expression）是一种处理字符串匹配的语言； 正则表达式描述了一种字符串匹配的模式，可以用来检查一个字符串是否含有某种子串，
前言 正则表达式是烦琐的，但是强大的，学会之后的应用会让你除了提高效率外，会给你带来绝对的成就感。只要认真去阅读这些资料，加上应用的时候进行一定的参考，掌握正则表达式不是问题。 1. 引子
给定 L1 上下文无关的非正则语言。 给定 L2 常规语言。 L1 U L2 =常规语言有可能吗？ 另外，L1*L2 = 常规语言有可能吗？ 我认为第二个是不可能的。但我不确定。 如果上述陈述之一(或
我需要解决抽奖引理问题。 L = { {a,b,c}* | #a(L) N个字母。 pigeon principle告诉我们必须存在一个达到2次的状态，因此在该状态下将存在一个循环。 用您的符号，您
我知道 n > 0 的 anbn 不是抽引引理的规则，但我可以想象 a*b*是常规的，因为 a,b 不必是相同的长度。有没有证据证明它是正常的？ 最佳答案 回答你的问题: imagine a*b* t
我是一名优秀的程序员,十分优秀！