LorDong's Blog

使用正则表达式抽取整个页面的特定内容是非常方便的，但在使用时有一些细节问题还是很关键的，比如合理的使用问号（?）可以取消贪婪的抽取问题。

比如页面中包含有很多段<p>…</p>，如果我们使用下面的方法抽取：

[csharp toolbar=”false”]
Regex rx = new Regex(“<p>(.*)</p>”);
Match match = rx.Match(str); // match.NextMatch(); 可用来取下一个
[/csharp]

结果是只提出一个，内容是从第一个<p>开始到最后一个</p>结束。

这里我们只要加上问号，如下代码：

[csharp toolbar=”false”]
Regex rx = new Regex(“<p>(.*?)</p>”);
Match match = rx.Match(str);
[/csharp]

这时提到出来的就是一个个独立的<p>…</p>，有时这才是我们想要的。

另外上面正则表达式里的括号也很有用，使用match.Group[0]得到匹配的结果，用match.Group[1]即得到括号中的内容。有多个括号按从外到内、从左到右的原则依次从Group里取。

PS. C#中还有个Group的概念，挺鬼异的，这里有解释，抽空研究一下：http://blog.csdn.net/zhoufoxcn/archive/2010/03/09/5358644.aspx

Updated：更多正则表达式的揭密参见这里：http://www.regexlab.com/zh/regref.htm

Tags: C#/.NET, 技巧

This entry was posted on 星期五, 27 8 月, 2010 at 13:45 and is filed under 东东博客. You can follow any responses to this entry through the RSS 2.0 feed. You can leave a response, or trackback from your own site.