正则表达式 怎么提取网页的信息？
求大神帮忙，看了一天了，网页是这个：<tr><thclass="th51"align="left"valign="top"style="border-color:#000...
求大神帮忙，看了一天了，网页是这个：
<tr><th class="th51" align="left" valign="top" style="border-color:#000; border-width: 1px 0px 0px 1px; border-style: solid"><nobr>Name</nobr></th>
<td class="td51" style="border-color:#000; border-width: 1px 1px 0px 1px; border-style: solid"><div style="width:555px;overflow-x:auto;overflow-y:hidden"><div style="width:555px;overflow-x:auto;overflow-y:hidden">Nadide (JAN/USAN/INN);<br>
Nicotinamide adenine dinucleotide<br>
</div></div></td></tr>
怎么把 Nadide (JAN/USAN/INN)和Nicotinamide adenine dinucleotide 提取出来？ 展开
<tr><th class="th51" align="left" valign="top" style="border-color:#000; border-width: 1px 0px 0px 1px; border-style: solid"><nobr>Name</nobr></th>
<td class="td51" style="border-color:#000; border-width: 1px 1px 0px 1px; border-style: solid"><div style="width:555px;overflow-x:auto;overflow-y:hidden"><div style="width:555px;overflow-x:auto;overflow-y:hidden">Nadide (JAN/USAN/INN);<br>
Nicotinamide adenine dinucleotide<br>
</div></div></td></tr>
怎么把 Nadide (JAN/USAN/INN)和Nicotinamide adenine dinucleotide 提取出来？ 展开
2个回答
展开全部
正则表达式可以有多行匹配模式的，具体要看你用什么语言？或者可以先执行文本替换，替换掉换行符，然后再执行正则表达式。
关于HTML网页源码的字符编码（charset）格式（GB2312，GBK，UTF-8，ISO8859-1等）的解释
另外，关于网站抓取方面的，这里面，基本上有你想要的所有的内容：
如何用Python，C#等语言去实现抓取静态网页 模拟登陆网站
关于HTML网页源码的字符编码（charset）格式（GB2312，GBK，UTF-8，ISO8859-1等）的解释
另外，关于网站抓取方面的，这里面，基本上有你想要的所有的内容：
如何用Python，C#等语言去实现抓取静态网页 模拟登陆网站
已赞过
已踩过<
评论
收起
你对这个回答的评价是？
展开全部
用正则表达式要灵活运用，对于网页分析来说，通常html语言是无用的，这时候我们要先把标签过滤掉再进行后续处理。html标签有一个最明显的特征，就是以"<"开始，以">"结束，依此条件，我们先写表达式过滤HTML标签
string pattern="<[a-zA-Z]+[1-7]*[ ]+?>"
这是C#的正则，我解释一下,[a-zA-Z]+,html标签必定以英文字母开头，这没疑问
[1-7]*，对于<h>标签来说，有可能为h1,h2,...h7
标签后面必须为空白字符，我用了[ ]代替，不知道你用什么语言，空白字符代表符号是什么，你了解就行了。
然后到了关闭标签。
这个表达式对于你说的这个网页源码是匹配的。至于更多，一般是要考虑到<Head>标签，<script>标签的，最好能做一个html解析，虽然不是什么高段位的课题，但也需要精通html和桌面编程中的字符正则等技术。
string pattern="<[a-zA-Z]+[1-7]*[ ]+?>"
这是C#的正则，我解释一下,[a-zA-Z]+,html标签必定以英文字母开头，这没疑问
[1-7]*，对于<h>标签来说，有可能为h1,h2,...h7
标签后面必须为空白字符，我用了[ ]代替，不知道你用什么语言，空白字符代表符号是什么，你了解就行了。
然后到了关闭标签。
这个表达式对于你说的这个网页源码是匹配的。至于更多，一般是要考虑到<Head>标签，<script>标签的，最好能做一个html解析，虽然不是什么高段位的课题，但也需要精通html和桌面编程中的字符正则等技术。
本回答被提问者和网友采纳
已赞过
已踩过<
评论
收起
你对这个回答的评价是？
推荐律师服务：
若未解决您的问题，请您详细描述您的问题，通过百度律临进行免费专业咨询
