又是正则

lxsky · 发表于 2013-5-30 12:00:02

本帖最后由 lxsky 于 2013-5-30 12:07 编辑

一个网页文件我需要通过正则将里面的所有文章内容和图片链接搞出来，
下面是测试的代码，源代码只是$SR多了很多而且无规律，图片和文章混在一起，还有很多无用的html标签之类。
但是正则后有个奇怪的问题：
表达式//[0-9a-z/\._=\?#;&]+"取得了//url“，然后我添加()只取url
但是发现多了几个空白数组：对比A和B的结果，B的结果多了2，4，6 ，且都是空白，为什么呢??????

#include <Array.au3>

Dim $SR = '<p><b fromubb="1"><font size="2">        项目地址：北京市顺义区</font>'& _
'<p><font size="2">　　项目占地：总用地364亩（约24万平米）</font></p>'& _
'<p><a href="http://www.chla.com.cn/upload/0517146281.jpg#" target="_blank">' & _
'<a href="http://b40.p.com/http_d.cgi?/rurl4_b=79e8131e6cfa4f&a=33&b=40" appendurl="1" target="_blank">'& _
'<img alt="图片" appendurl="1" border="0" src="http://b40.q.com/http_d.cgi?/rurl4_b=79eadfa4f&a=33&b=40" />'& _
'</a>'& _
'</a>'& _
'<wbr/>'& _
'</p>'

Dim $htmlUrl = StringRegExp($SR, '>([^<\n]+)<|//[0-9a-z/\._=\?#;&]+"',3)      ;<========A
;Dim $htmlUrl = StringRegExp($SR, '>([^<\n]+)<|//([0-9a-z/\._=\?#;&]+)"',3)   ;<========B
_ArrayDisplay($htmlUrl, UBound($htmlUrl))


#CS

        A的结果，正则
        [0]        项目地址：北京市顺义区
        [1]　　项目占地：总用地364亩（约24万平米）
        [2]//www.chla.com.cn/upload/0517146281.jpg#"
        [3]//b40.p.com/http_d.cgi?/rurl4_b=79e8131e6cfa4f&a=33&b=40"
        [4]//b40.q.com/http_d.cgi?/rurl4_b=79eadfa4f&a=33&b=40"

   
   B的结果
   [0]        项目地址：北京市顺义区
   [1]　　项目占地：总用地364亩（约24万平米）
   [2]
   [3]www.chla.com.cn/upload/0517146281.jpg#
   [4]
   [5]b40.p.com/http_d.cgi?/rurl4_b=79e8131e6cfa4f&a=33&b=40
   [6]
   [7]b40.q.com/http_d.cgi?/rurl4_b=79eadfa4f&a=33&b=40
#CE

flyeblue · 发表于 2013-5-30 12:15:16

本帖最后由 flyeblue 于 2013-5-30 12:17 编辑

url的正则表达式

\<a\shref="([^"]+)"

img标签的正则表达式

<img[^/]+\ssrc="([^"]+)"

这样就可以获得所有链接
至于图片第一个需要再次分析
另外用_IELinkGetCollection（）要更简单方便啊

lixiaolong · 发表于 2013-5-30 13:53:14

本帖最后由 lixiaolong 于 2013-5-30 13:58 编辑

#include <Array.au3>

Dim $SR = '<p><b fromubb="1"><font size="2">        项目地址：北京市顺义区</font>'& _
'<p><font size="2">　　项目占地：总用地364亩（约24万平米）</font></p>'& _
'<p><a href="http://www.chla.com.cn/upload/0517146281.jpg#" target="_blank">' & _
'<a href="http://b40.p.com/http_d.cgi?/rurl4_b=79e8131e6cfa4f&a=33&b=40" appendurl="1" target="_blank">'& _
'<img alt="图片" appendurl="1" border="0" src="http://b40.q.com/http_d.cgi?/rurl4_b=79eadfa4f&a=33&b=40" />'& _
'</a>'& _
'</a>'& _
'<wbr/>'& _
'</p>'

Dim $htmlUrl = StringRegExp($SR, '(项目[^&]+)|http://[^"]+',3)
_ArrayDisplay($htmlUrl, UBound($htmlUrl))

#include <Array.au3>

Dim $SR = '<p><b fromubb="1"><font size="2">        项目地址：北京市顺义区</font>'& _
'<p><font size="2">　　项目占地：总用地364亩（约24万平米）</font></p>'& _
'<p><a href="http://www.chla.com.cn/upload/0517146281.jpg#" target="_blank">' & _
'<a href="http://b40.p.com/http_d.cgi?/rurl4_b=79e8131e6cfa4f&a=33&b=40" appendurl="1" target="_blank">'& _
'<img alt="图片" appendurl="1" border="0" src="http://b40.q.com/http_d.cgi?/rurl4_b=79eadfa4f&a=33&b=40" />'& _
'</a>'& _
'</a>'& _
'<wbr/>'& _
'</p>'

Dim $htmlUrl = StringRegExp($SR, '(项目[^&]+)|http://.*?jpg[^"]+',3)
_ArrayDisplay($htmlUrl, UBound($htmlUrl))

lxsky · 发表于 2013-5-30 14:07:05

呵呵，越来越简洁了，学习中

lxsky · 发表于 2013-5-31 10:30:41

本帖最后由 lxsky 于 2013-5-31 10:32 编辑

可是出现1楼情况的原因是什么呢？？？？？我试了一下只要涉及类似（）|（）的情况就会在后面（）取得的数组里面间隔出现空数组

flyeblue · 发表于 2013-5-31 11:53:18

回复 5# lxsky
你试试下面两个正则就明白多了的那两个是啥了

|//([0-9a-z/\._=\?#;&]+)"

>([^<\n]+)<|

		自动登录	找回密码
密码			加入

[系统综合] 又是正则

相关帖子