求一条正则采集规则

孤魂 · 发表于 2008-11-5 15:33:01

相当于正则结合多模板采集

adminkk · 发表于 2008-11-5 16:11:23

我看看

孤魂 · 发表于 2008-11-5 17:54:07

知之为知之，不知则问之

zyq309 · 发表于 2008-11-5 21:33:43

关键是我也不会.

sushy · 发表于 2008-11-6 08:55:19

要不你用最笨的办法？

第一套方案：

采集：

从  <div class="PostContent">  到 p>

删除  <br />(*)</

删除  </

当然，这里认为只有 <br></p>这样的标识符，没有<font>这样的标识符，否则就错。

提供第二套方案：

采集从 <div class="PostContent">  到 </div>

删除  <br />(*)</p>
删除 </p>(*)</p>
删除 <p>

这样过滤可能效果要好一点。

aven · 发表于 2008-11-6 12:47:09

老大，这个问题挺简单的哈！！

你没给出网址，我就简单在本地构造了两个页面，源码分别如下

index1.html

<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gbk">
<title></title>
</head>
<body >
<div class="PostContent">
<p>段落1</p>
<p>段落2</p>
</div>
</body>
</html>

复制代码

index2.html

<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gbk">
<title></title>
</head>
<body >
<div class="PostContent">
<p>段落11111<br />
段落22222<br />
段落33333</p>
</div>
</body>
</html>

复制代码

测试结果如下两图

第一种

第二种

规则看图中的吧，我也不打了。

吼吼！！！！！

sushy · 发表于 2008-11-6 13:13:56

其实楼主的意思是只要第一段，由于<br />和</p>都是第一段结束的标识符。所以只要二者中有一个出现即可。

既然楼上熟悉正则，不妨写一个以 <div class="PostContent"> 开头，以 <br /> 或 </p> 结束的表达式最好。

只不过我不太熟悉，不知道怎么表达罢了。

aven · 发表于 2008-11-6 13:25:00

原帖由 sushy 于 2008-11-6 13:13 发表
其实楼主的意思是只要第一段，由于和都是第一段结束的标识符。所以只要二者中有一个出现即可。

既然楼上熟悉正则，不妨写一个以开头，以或结束的表达式最好。

只不过我不太熟悉，不知道怎么表达罢了 ...

你说的这种情况更简单，
不过楼主好像不是你那意思，

野鬼 · 发表于 2008-11-6 21:36:18

老大太有大家风度了
支持火车头
注册了个比交牛X的ID
老大不删了就太谢了

帐号		自动登录	找回密码
密码			加入会员

求一条正则采集规则

晕你也求助呀!

本帖子中包含更多资源

评分