[已解决]求助正则取网页文字

vv3509

2012年4月5日19时7分12秒 387A

请问如何取到387A
这4个字符，刷新会改变，这四个字符也可能是字母数字混合。
谢谢！！！

user3000

有字母和数字:
StringRegExp($str, '\d{1,2}分\d{1,2}秒\h*(\w*)<', 3)

afan

(\H+)<p

lixiaolong

回复 1# vv3509

这是全部的网页源码吗？

apoorman1986

(?<=\s)\w{4}(?=<p)

lpxx

afan 发表于 2012-4-4 11:14

A大，这个\H是什么意思呢？

happytc

回复 6# lpxx


    \H          any character that is not a horizontal whitespace character.

user3000

回复 6# lpxx

\h 是一行内的空白字符, \H 相反, 为非空白字符

afan

回复 6# lpxx


    正如上面各位所说，就是“非水平空格”字符

xms77

回复 2# user3000
我的想法也是这样的，哎，看A大的这则，怎么我写的复杂的时候，他的简单，我写的简单的时候，他的复杂，看都看不懂，天书，哎！

afan

回复  user3000
我的想法也是这样的，哎，看A大的这则，怎么我写的复杂的时候，他的简单，我写的简单的时 ...
xms77 发表于 2012-4-5 13:05

    个人认为正则表达式的所谓简单和复杂并非只看表达式的长短，而应该首先考虑执行效率（表达式的长短与执行效率无必然的联系），在此前提下可能简单点的表达式可能更好理解。

lixiaolong

回复 10# xms77

afan版主说的对，应该要考虑效率，也要考虑情况.
像楼主的那么小的网页代码(\H+)<p就足够了.
下面是随便写了几个例子，它们都可以匹配3828的，【简单】不一定效率高.

最注意的是: 错误的的正则表达式可能产生一个死循环,使 CPU even(偶校验)崩溃.

\d{4}年\d+月\d+日\d+时\d+分\d+秒\h(\d+)<p

(\S+)<p

(\d+)<p

\d{4}\D\d\D\d\D\d\D\d+\D\d+\D\h(\d+)<p

(?m)^\d{4}\D\d\D\d\D\d\D\d+\D\d+\D\h(\d+)<p

user3000

回复 12# lixiaolong
楼主说的含糊不清?--- '也会包含字母和数字'
如果他还要匹配字母, 你给出的后面几个正则就不能用了.

我从没用正则处理过大数据. 所以对正则效率的理解不是太'深刻'.
个人喜欢追求准确并"唯一"的匹配(匹配结果尽可能少)

按A版的样式,  (\H+)<p  其实我心里还是有点疑惑的, 如果匹配的字符串里有多个 '<p' 存在呢?
是不是要这样 (\H+)?<p 加个最小匹配限制才行?

老实说, 勉强会用正则,  说得不对, 请多指教!

lixiaolong

回复 13# user3000

上面的只是个例子，楼主说的'也会包含字母和数字'到底我不清楚.
如果包含中文就不能使用\w.

(\H+)? 这么写(\H+)是可能有，可能没有，它可以匹配3828，也可以匹配<p前面的位置.

如果网页代码是这样(\H+)?<p的匹配结果是【3828<p】.

2012年4月4日9时34分58秒 3828<p<p align="center" style="font-size:12px">

肯定是4个字符的话可以这么写.

(\H{4})<p

也可以这么写.

([^\s<p]+)<p

写法是很多的.

afan

回复  lixiaolong
楼主说的含糊不清?--- '也会包含字母和数字'
如果他还要匹配字母, 你给出的后面几个正 ...
user3000 发表于 2012-4-5 17:16

    一般来说，正则表达式都是“满足既定的条件”即可，否则可能做无谓的分析判断。如楼主所提供的字符串就没必要做多余的分析。倘若楼主有更多的条件，他应该提出。对于正则方面的提问，提问者应提供尽量全的“源”条件，如若没有，则视为仅此而已。