VPF::Regex для строки HTML таблицы с подтаблицами

Dims

Дата 27.11.2009, 14:29 (ссылка)

(нет голосов)

Загрузка ...

Эксперт

Профиль
Группа: Завсегдатай
Сообщений: 1016
Регистрация: 21.11.2006

Репутация: 0
Всего: 11

У меня есть HTML таблица, внутри ячеек которой иногда бывают ещё вложенные таблицы.

Я предположил, что нижеслежующее выражение позволит опознать внешний TD:

Код


<td.*?>(.*?(<table.*?>.*?</table>)*.*?)</td>

Поскольку квантор после внутренних скобок "жадный", я подумал, что он обязательно съест таблицу внутри внешнего TD, если она там есть.

Однако, у меня почему-то внутренние скобки не получают соответствия, а сопоставление заканчивается на </td></tr> внутренней таблицы.

Почему?

diadiavova

Дата 27.11.2009, 16:08 (ссылка)

(нет голосов)

Загрузка ...

Доктор Зло(диагност, настоящий, с лицензией и полномочиями)

Профиль
Группа: Модератор
Сообщений: 5821
Регистрация: 14.8.2008
Где: В Коньфпольте

Репутация: 31
Всего: 142

Цитата(Dims @ 27.11.2009, 14:29

)

Я предположил, что нижеслежующее выражение позволит опознать внешний TD:

Думаю это надо сделать как-то так(не проверял).

Код


(?<tdstart><td\s[^>]*>)[.\n]*(?<tdend-tdstart></td\s*>)

--------------------

Хочешь получить мудрый совет - читай подписи участников форумов.
Злой доктор Щасзаболит smile

Dims

Дата 27.11.2009, 21:44 (ссылка)

(нет голосов)

Загрузка ...

Эксперт

Профиль
Группа: Завсегдатай
Сообщений: 1016
Регистрация: 21.11.2006

Репутация: 0
Всего: 11

А что значить вопросик в начале скобок? И что такое tdstart и tdend? Просто условные обозначения?

diadiavova

Дата 28.11.2009, 15:21 (ссылка)

(нет голосов)

Загрузка ...

Доктор Зло(диагност, настоящий, с лицензией и полномочиями)

Профиль
Группа: Модератор
Сообщений: 5821
Регистрация: 14.8.2008
Где: В Коньфпольте

Репутация: 31
Всего: 142

Цитата(Dims @ 27.11.2009, 21:44

)

А что значить вопросик в начале скобок?

Это именованная группа.

Цитата(Dims @ 27.11.2009, 21:44

)

И что такое tdstart и tdend?

Имена групп. При чём запись (?<tdend-tdstart></td\s*>) описывает сбалансированную пару. То есть группа tdend описана как завершающая группу tdstart. В данном случае имена используются для того, чтобы можно было обратиться к ним в самом выражении, но в принципе есть и другие применения, например группу можно извлечь по имени в программном коде.

Приведу пример работы сбалансированных парю Возьмём текст

Код


1 * (2  + 3 / (4 - 5)) - 6* (7 +8)

И разберём его выражением, которое берёт текст в скобках
При жадном разборе

Код


\(.*\)

Мы очевидно получим такой результат

Код


(2  + 3 / (4 - 5)) - 6* (7 +8)

При ленивом

Код


\(.*?\)

такой

Код


(2  + 3 / (4 - 5)

А если будем искать сбалансированные пары скобок

Код


(?<parOp>\().*(?<parCl-parOp>\))

результат будет таким

Код


(2  + 3 / (4 - 5))
(7 +8)

--------------------

Хочешь получить мудрый совет - читай подписи участников форумов.
Злой доктор Щасзаболит smile

SmartBye

Дата 30.11.2009, 21:56 (ссылка)

(нет голосов)

Загрузка ...

Шустрый

Профиль
Группа: Участник
Сообщений: 60
Регистрация: 15.5.2008

Репутация: нет
Всего: нет

Можно пример таблицы (желательно двух вариантов, вложенной и нет) и что Вам нужно получить (просто ее выделить, либо выделить данные из ячеек).

Lihonosov

Дата 29.3.2010, 03:50 (ссылка)

(нет голосов)

Загрузка ...

Новичок

Профиль
Группа: Участник
Сообщений: 1
Регистрация: 9.4.2009

Репутация: нет
Всего: нет

Есть много строк такого содержания:

Код


...
<b class="cu">1</b>
<i class="cv" style="background-position:0 0"></i>
<a class="cs" tabindex="2" href="http://www.link-1.com/"></a>
....
<b class="cu">2</b>
<i class="cv" style="background-position:0 -16px"></i>
<a class="cs" tabindex="2" href="http://www.link-2.com"></a>
...

Нужно получить:
1 - http://www.link-1.com
2 - http://www.link-2.com

Написал для каждой строки:

Код


(?'top'(?<=(\<b\ class\=\"cu\"\>))(\d{1,2})(?=(\<\/b\>[\n\r]?)))

(?'mid'(\<i\ class\=\"cv\"\ style\=\"background\-position\:\d{1,5}\s?\-?\d{1,5}(px)?\"\>\</i\>[\n\r]?))

(?'link'(?<=(\<a\ class\=\"cs\"\ tabindex\=\"2\"\ href\=\"))(https?://(www.)?([\w\-]+)(\.([\w\-]+))+([\w\\\/\.?&%=\-+]*[\n\r]?)))

Вывожу в коде так:

Код


Regex r = new Regex(myRegex);
MatchCollection mc = r.Matches(sourceText);
listBox1.BeginUpdate();
foreach (Match m in mc)
{
       listBox1.Items.Add(m.Groups["top"] + " - "  + m.Groups["link"]);   
}
listBox1.EndUpdate();

Если подставлять по одному запросу, т.е. например, только :

Код


(?'top'(?<=(\<b\ class\=\"cu\"\>))(\d{1,2})(?=(\<\/b\>[\n\r]?)))

то все нормально. как и хотелось выводится 1,2,...
Также и по остальным.
Но как сделать чтобы сразу выводились и 'top' и 'link'?

Это сообщение отредактировал(а) Lihonosov - 29.3.2010, 03:51

0 Пользователей читают эту тему (0 Гостей и 0 Скрытых Пользователей)
0 Пользователей:
« Предыдущая тема \| Общие вопросы по .NET и C# \| Следующая тема »