cihren 发表于 2014-8-30 20:24:34

【已解决】探讨一个正则表达式

本帖最后由 cihren 于 2014-8-30 23:11 编辑

下面是一段网页的代码，想从中找出其中的汉字字段。

<TRclass='listTableHead'><TD>主账号<BR><TD>副账号<BR><TD>手续费<BR><TD>利息<BR><TD>主账户余额<BR><TD>副账户余额<BR><TD>全账户余额<BR><TD>总可用余额<BR></TR>

我的正则表达式：<TR[\w\d\s=''"\:;\.\(\)~]+>\v*(?:<TD>([\x{4e00}-\x{ffff}]+)<BR>)+</TR>

结果只能提出最后一个字段“总可用余额”，如何能把每一个字段都提出来呢，大虾支招。

user3000 发表于 2014-8-30 20:45:45

<TD>([^<>]+)

cihren 发表于 2014-8-30 23:10:37

回复 2# user3000


    高屋建瓴，谢谢！

    我竟然画蛇添足的写的那么一大堆，还事得其反。真是让人汗颜啊～～

cihren 发表于 2014-8-31 16:35:17

回复 2# user3000


    还想请教下，这个表达式如何路过"BR"这个英文词的，百思不得其解。

user3000 发表于 2014-8-31 16:44:05

回复 4# cihren
用括号捕捉了"<TD>"后面-----不是"<"或">"的字符;
对于你给出的字符串,也就是所有的"<TD>" 与"<BR>"之间的那些字符.

当然也可以这样:<TD>(.+?)<BR>

cihren 发表于 2014-8-31 17:41:36

回复 5# user3000


    比如这个字符串“<TD>副账号<BR><TD>手续费<BR> ”

    用正则：<TD>([^<>]+) 匹配

    我感觉结果应该是：【副账号BR】【 手续费BR】，但实际结果却是【副账号】【手续费】

    “^<>”的意思不是非 "<" 或 ">"么，那为什么连 ”BR“ 这两个英文都跳过了呢？

user3000 发表于 2014-8-31 17:55:33

回复 6# cihren
钻牛角尖了吧?
<TD>([^<>]+)   捕获组只捕获紧跟"<TD>"后面非 "<" 或 ">"的字符,它遇到 "<" 或 ">"则停止捕获.
而每个"BR"前面都有"<", 所以捕获组不会再继续进行"捕获", 把"BR"排除,它此时会尝试继续向前捕获另一个组.

cihren 发表于 2014-8-31 18:09:44

回复 7# user3000


    ”捕获组只捕获紧跟"<TD>"后面非 "<" 或 ">"的字符,它遇到 "<" 或 ">"则停止捕获.”

    这回一下就明白了，呵呵～ 刚学正则，好些东西知其然不之其所以然，多谢！！

    还有个小问题 “<TD>(.+?)<BR>" 里为什么要有“？”号呢，而且必须放在“.+”的后面。

    “.”不是代表一切吗？

user3000 发表于 2014-8-31 18:31:26

回复 8# cihren


    正则默认采取最大匹配模式,?最小匹配
   “<TD>(.+?)<BR>" 没有 ? 将捕获很长一串:主账号<BR><TD>副账号<BR><TD>手续费<BR><TD>利息<BR><TD>主账户余额<BR><TD>副账户余额<BR><TD>全账户余额<BR><TD>总可用余额

cihren 发表于 2014-8-31 18:57:29

回复 9# user3000


    明白了，多谢！{:face (356):}

cihren 发表于 2014-8-31 19:38:14

回复 2# user3000


    不好意思再讨教个问题，当源代码以换行方式出现时，该如何匹配呢？

    <TRclass='listTableHead'>
    <TD>主账号<BR>
    <TD>副账号<BR>
    <TD>手续费<BR>
    <TD>利息<BR>
    <TD>主账户余额<BR>
    <TD>副账户余额<BR>
    <TD>全账户余额<BR>
    <TD>总可用余额<BR></TR>

user3000 发表于 2014-8-31 19:51:38

{:1_601:}
以换行方式出现,不过是多了几个'换行\回车'字符.以上相关正则还是合用的.

cihren 发表于 2014-8-31 20:07:15

回复 12# user3000


    不好意思，我搞错了。

    我的意思是这样的，源文件有若干这样的记录，比如

    <TRclass='listTableHead'>
    <TD>主账号<BR>
    <TD>副账号<BR>
    <TD>手续费<BR>
    <TD>利息<BR>
    <TD>主账户余额<BR>
    <TD>副账户余额<BR>
    <TD>全账户余额<BR>
    <TD>总可用余额<BR></TR>

    <TRclass='listTableHead'>
    <TD>154546845645<BR>
    <TD>585458546555<BR>
    <TD>5.00<BR>
    <TD>10.23<BR>
    <TD>800.00<BR>
    <TD>100.00<BR>
    <TD>900.00<BR>
    <TD>900.00<BR></TR>

    这时候，我想提出每个<TR> .....</TR> 中间的全部内容 ，但其中包含换行，又包含<TD><BR>等。

user3000 发表于 2014-8-31 20:41:23

回复 13# cihren

读取到的网页一般没有"换行"字符.<BR> 实现输出时换行显示效果.


用正则: ><TD>(.+?)</TR>   
捕获主账号<BR><TD>副账号<BR><TD>手续费<BR><TD>利息<BR><TD>主账户余额<BR><TD>副账户余额<BR><TD>全账户余额<BR><TD>总可用余额<BR>然后把"<BR>"替换成"@CR", "<TD>" ---> "@LF".

cihren 发表于 2014-8-31 21:09:49

回复 14# user3000


    研究了半天，终于找到了解决方案，下面是我的表达式：

    <TR.+listTable.+>(?s)(.+?)(?:</TD>|</TR>)

    不管怎么说，还是感谢大虾！！
页: [1] 2
查看完整版本: 【已解决】探讨一个正则表达式