【已解决】探讨一个正则表达式

cihren · 发表于 2014-8-30 20:24:34

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。

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

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

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>(.+?) " 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>(.+?) " 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！

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？

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

user3000 · 发表于 2014-8-31 19:51:38

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

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

<TR class='listTableHead'>
<TD>154546845645 
<TD>585458546555 
<TD>5.00 
<TD>10.23 
<TD>800.00 
<TD>100.00 
<TD>900.00 
<TD>900.00 </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> 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. 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" "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！！

		自动登录	找回密码
密码			加入

[效率算法] 【已解决】探讨一个正则表达式

本帖子中包含更多资源

相关帖子