帝国CMS模板大全
www.admin99.cn
www.92cms.cn 帝国CMS模板下载站!,情怀,养站,二次开发!源码需求比较大的一站式会员下载,价更省!!!

C#基于正则表达式抓取a标签链接和innerhtml的方法

本文实例讲述了C#基于正则表达式抓取a标签链接和innerhtml的方法。分享给大家供大家参考,具体如下:

?

//读取网页html

string text = File.ReadAllText(Environment.CurrentDirectory + "//test.txt" , Encoding.GetEncoding( "gb2312" ));

string prttern = "<a(\\s+(href=\"(?<url>([^\"])*)\"|'([^'])*'|\\w+=\"(([^\"])*)\"|'([^'])*'))+>(?<text>(.*?))</a>" ;

var maths = Regex.Matches(text, prttern);

//抓取出来写入的文件

using (FileStream w = new FileStream(Environment.CurrentDirectory + "//wirter.txt" , FileMode.Create))

{

     for ( int i = 0; i < maths.Count; i++)

     {

       byte [] bs = Encoding.UTF8.GetBytes( string .Format( "链接地址:{0},  innerhtml:{1}" , maths[i].Groups[ "url" ].Value,

         maths[i].Groups[ "text" ].Value) + "\r\n" );

       w.Write(bs, 0, bs.Length);

       Console.WriteLine();

     }

}

Console.ReadKey();

图解正则

朋友需要截取img标签的src 和data-url   跟上面差不多。。顺便附上

?

string text =File.ReadAllText(Environment.CurrentDirectory + "//test.txt" , Encoding.GetEncoding( "gb2312" ));

string prttern = "<img(\\s*(src=\"(?<src>[^\"]*?)\"|data-url=\"(?<dataurl>[^\"]*?)\"|[-\\w]+=\"[^\"]*?\"))*\\s*/>" ;

var maths = Regex.Matches(text, prttern);

//抓取出来写入的文件

using (FileStream w = new FileStream(Environment.CurrentDirectory + "//wirter.txt" , FileMode.Create))

{

     for ( int i = 0; i < maths.Count; i++)

     {

       byte [] bs = Encoding.UTF8.GetBytes( string .Format( "图片src:{0},  图片data-url:{1}" , maths[i].Groups[ "src" ].Value,

         maths[i].Groups[ "dataurl" ].Value) + "\r\n" );

       w.Write(bs, 0, bs.Length);

       Console.WriteLine();

     }

}

希望本文所述对大家C#程序设计有所帮助。

dy(“nrwz”);

赞(0)
版权声明:本文采用知识共享 署名4.0国际许可协议 [BY-NC-SA] 进行授权
文章名称:《C#基于正则表达式抓取a标签链接和innerhtml的方法》
文章链接:https://www.admin99.cn/7471
本站资源仅供个人学习交流,请于下载后24小时内删除,不允许用于商业用途,否则法律问题自行承担。
QQ站长交流群:953950264

登录

找回密码

注册