求教正则提取网页文字 [已解决]

tsys

链接是 ：
<a href="http://health.sohu.com/" target="_blank">搜狐健康</a>
<a href="http://www.zhenai.com/901685.html" target="_blank">珍爱婚恋网</a>
...........
想要提取：搜狐健康  珍爱婚恋网 这类文字，望赐教

afan

#include <Array.au3>
Local $Str = _
                '<a href="http://health.sohu.com/" target="_blank">搜狐健康</a>' & @CRLF & _
                '<a href="http://www.zhenai.com/901685.html" target="_blank">珍爱婚恋网</a>' & @CRLF
;MsgBox(0, '原字符串', $Str)
Local $Test = StringRegExp($str, '(?<=>)[^<\v]+', 3)
;If Not @Error Then MsgBox(0, '匹配数量: ' & UBound($Test), '其中[0]元素为: ' & $Test[0])
_ArrayDisplay($Test, UBound($Test))

lixiaolong

我觉得楼主应该会啊。。。

tsys

回复 1# tsys

A版你好，以下是我要提取文字的网站
http://123.sogou.com/

如果整页提取的话，会出现部分问题，取到不相干内容。能否帮忙重新优化下表达式，只是表达式就好，代码我自己可以搞定，谢谢

tsys

回复 3# lixiaolong

不错，我曾经确实成功提取过，不过不好意思，那也是百度告诉我的，看见正则就头痛，但是还需要它。

afan

回复  tsys

A版你好，以下是我要提取文字的网站


如果整页提取的话，会出现部分问题，取到不相干内 ...
tsys 发表于 2011-11-16 17:27

什么是不相干内容呢？

tsys

回复 6# afan

afan

回复 7# tsys

(?<=>)[^<\v"{}]+(?=<)

&nbsp; 之类的是需要转码的，不在此考虑

tsys

回复 8# afan

多谢A版，本人知识浅薄，还请谅解，其余问题，我自己想办法处理

lixiaolong

回复 5# tsys

哦，我也在学正则，正则真是头痛。。。加油啊！

xms77

#include <Array.au3>
Local $Str = _
                '<a href="http://health.sohu.com/" target="_blank">搜狐健康</a>' & @CRLF & _
                '<a href="http://www.zhenai.com/901685.html" target="_blank">珍爱婚恋网</a>' & @CRLF
;MsgBox(0, '原字符串', $Str)
Local $Test = StringRegExp($str, '<a.+>(.+)</a>', 3)
;If Not @Error Then MsgBox(0, '匹配数量: ' & UBound($Test), '其中[0]元素为: ' & $Test[0])
_ArrayDisplay($Test, UBound($Test))

xms77

回复 2# afan
afan大大的正则表达式还是没有看懂，我的正则表达式是不是在停留在初级阶段啊？

$Test = StringRegExp($str, '<a.+>(.+)</a>', 3)

hzxymkb

回复 12# xms77


    你的正则很厉害，能否教我？

newuser

回复 10# lixiaolong
正则确实很难,我只学了一端时间就OVER了,哎....

xms77

回复 13# hzxymkb
版主大人在开我的玩笑了，我才学了个皮毛，Afan大大的表达式都看不懂，哎，谜一样的正则啊！