.NET开发

本类阅读TOP10

·NHibernate快速指南(翻译)
·vs.net 2005中文版下载地址收藏
·【小技巧】一个判断session是否过期的小技巧
·VB/ASP 调用 SQL Server 的存储过程
·?dos下编译.net程序找不到csc.exe文件
·通过Web Services上传和下载文件
·学习笔记(补)《.NET框架程序设计(修订版)》--目录
·VB.NET实现DirectDraw9 (2) 动画
·VB.NET实现DirectDraw9 (1) 托管的DDraw
·建站框架规范书之——文件命名

分类导航
VC语言Delphi
VB语言ASP
PerlJava
Script数据库
其他语言游戏开发
文件格式网站制作
软件工程.NET开发
[固定格式网页解析]使用正则表达式解析的初步体会

作者:未知 来源:月光软件站 加入时间:2005-2-28 月光软件站

用IE WebControl解析网页得到特定网页中的特定数据:
    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"工具,试验结果如下:
 
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,可以用如下代码得到各个集合的值:
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
一个铃声的各个字段的代码固定下来。
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!



相关文章

相关软件