Удалить лишний текст

@djecblek · Регистрация: 30.01.2018

Студворк — интернет-сервис помощи студентам

Здравствуйте, помогите удалить лишний текст

C#
1
2
3
4
 v = RemoveStyle(v);
                var doc = new HtmlDocument();
                doc.LoadHtml(v);
                Description = doc.DocumentNode.SelectSingleNode("//*[@id='ds_div']").InnerText.Replace("\t", "").Replace("&nbsp;", " ");

Получаем вот такую строку

PORN HUB IRON ON SEW ON PORNHUB PATCH (3.75 X 1.25)Embroidered patch with heat sealed backing for easy application.&ampltdiv style="text-align:center"&ampgt&ampltimg src="http://ti2.auctiva.com/sw/java.gif" border="0"&ampgt&ampltbr&ampgt&amplttabl e align="center"&ampgt&amplttr&ampgt&amplt td&ampgt&amplta style="text-decoration:none" href="http://store.auctiva.com/bikergear-usa"&ampgt&ampltimg src="http://ti2.auctiva.com/sw/browse2.gif" border="0"&ampgt&amplt/a&ampgt&amplt/td&ampgt&amplttd height="21px" valign="middle" align="center"&ampgt&ampltfont face="arial" size="2"&ampgt&ampltb&ampgt&amplta href="http://store.auctiva.com/bikergear-usa"&ampgtbikergear-usa&amplt/a&ampgt Store&amplt/b&ampgt&amplt/font&ampgt&amplt/td&ampgt&amplt/tr&ampgt&amplt/table&ampgt&amplt/div&ampgt&ampltimg src="http://ti2.auctiva.com/web/aswCredit.gif" border="0"&ampgt&ampltbr&ampgt&amplta href="http://www.auctiva.com/?how=scLnk0" target="_blank"&ampgt&ampltimg src="http://ti2.auctiva.com/images/sc1line0.gif" border="0"&ampgt&amplt/a&ampgt

Как оставить только текст, а все лишнее ( и до конца) удалить?

@djecblek · 01.05.2018, 10:16 **[ТС]**

HTML5
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
<div id="ds_div">
                            <font rwr="1" size="4" style="font-family:Arial"><font rwr="1" size="4" style="font-family:Arial"><font rwr="1" style="font-family:Arial" size="4"><center><font color="blue"><font black="" size="+1" face="ARIAL"><b>
PUNISHER TEXAS FLAG EMBROIDERED Tactical Morale 3 INCH IRON ON PATCH </b></font></font></center><font color="blue"><font black="" size="+1" face="ARIAL"><b>
</b></font></font><center><font color="blue"><font black="" size="+1" face="ARIAL"><b>
Full Embroidered with a IRON ON backing application.3.0 x 2.0 Inch.</b></font></font></center><!--ASW--><!--version 1.0-->
<table align="center" width="100%" cellspacing="0" cellpadding="0" border="0">
<tbody><tr>
<td>
 
 
<noscript>&amp;amp;lt;div style="text-align:center"&amp;amp;gt;&amp;amp;lt;img src="http://ti2.auctiva.com/sw/java.gif" border="0"&amp;amp;gt;&amp;amp;lt;br&amp;amp;gt;&amp;amp;lt;table align="center"&amp;amp;gt;&amp;amp;lt;tr&amp;amp;gt;&amp;amp;lt;td&amp;amp;gt;&amp;amp;lt;a style="text-decoration:none" href="http://store.auctiva.com/bikergear-usa"&amp;amp;gt;&amp;amp;lt;img src="http://ti2.auctiva.com/sw/browse2.gif" border="0"&amp;amp;gt;&amp;amp;lt;/a&amp;amp;gt;&amp;amp;lt;/td&amp;amp;gt;&amp;amp;lt;td height="21px" valign="middle" align="center"&amp;amp;gt;&amp;amp;lt;font face="arial" size="2"&amp;amp;gt;&amp;amp;lt;b&amp;amp;gt;&amp;amp;lt;a href="http://store.auctiva.com/bikergear-usa"&amp;amp;gt;bikergear-usa&amp;amp;lt;/a&amp;amp;gt; Store&amp;amp;lt;/b&amp;amp;gt;&amp;amp;lt;/font&amp;amp;gt;&amp;amp;lt;/td&amp;amp;gt;&amp;amp;lt;/tr&amp;amp;gt;&amp;amp;lt;/table&amp;amp;gt;&amp;amp;lt;/div&amp;amp;gt;</noscript>
</td>
</tr>
</tbody></table>
<!--ASW--><br><div align="center"><noscript>&amp;amp;lt;img src="http://ti2.auctiva.com/web/aswCredit.gif" border="0"&amp;amp;gt;&amp;amp;lt;br&amp;amp;gt;&amp;amp;lt;a href="http://www.auctiva.com/?how=scLnk0" target="_blank"&amp;amp;gt;&amp;amp;lt;img src="http://ti2.auctiva.com/images/sc1line0.gif" border="0"&amp;amp;gt;&amp;amp;lt;/a&amp;amp;gt;</noscript></div></font></font></font></div>

@djecblek · 01.05.2018, 10:24 **[ТС]**

Вот что получилось
v.txt

@Fleder · 01.05.2018, 10:26

djecblek, а что из этого html должно оказаться в свойстве Description в результате?

@djecblek · 01.05.2018, 10:35 **[ТС]**

Вот эти строчки
"MIRROR ROSES EMBROIDERED 11 INCH IRON ON PATCH
Embroidered patch with heat sealed backing.11.0 X 8.0 Inch."

И все бы хорошо, но еще добавляется вот эта хрень

".&ampltdiv style="text-align:center"&ampgt&ampltimg src="http://ti2.auctiva.com/sw/java.gif" border="0"&ampgt&ampltbr&ampgt&amplttabl e align="center"&ampgt&amplttr&ampgt&amplt td&ampgt&amplta style="text-decoration:none" href="http://store.auctiva.com/bikergear-usa"&ampgt&ampltimg src="http://ti2.auctiva.com/sw/browse2.gif" border="0"&ampgt&amplt/a&ampgt&amplt/td&ampgt&amplttd height="21px" valign="middle" align="center"&ampgt&ampltfont face="arial" size="2"&ampgt&ampltb&ampgt&amplta href="http://store.auctiva.com/bikergear-usa"&ampgtbikergear-usa&amplt/a&ampgt Store&amplt/b&ampgt&amplt/font&ampgt&amplt/td&ampgt&amplt/tr&ampgt&amplt/table&ampgt&amplt/div&ampgt&ampltimg src="http://ti2.auctiva.com/web/aswCredit.gif" border="0"&ampgt&ampltbr&ampgt&amplta href="http://www.auctiva.com/?how=scLnk0" target="_blank"&ampgt&ampltimg src="http://ti2.auctiva.com/images/sc1line0.gif" border="0"&ampgt&amplt/a&ampgt"

Добавлено через 3 минуты
Извиняюсь, не то скопировал, вот эта хрень

"&ltdiv style="text-align:center"&gt&ltimg src="http://ti2.auctiva.com/sw/java.gif" border="0"&gt&ltbr&gt&lttable align="center"&gt&lttr&gt&lttd&gt&lta style="text-decoration:none" href="http://store.auctiva.com/bikergear-usa"&gt&ltimg src="http://ti2.auctiva.com/sw/browse2.gif" border="0"&gt&lt/a&gt&lt/td&gt&lttd height="21px" valign="middle" align="center"&gt&ltfont face="arial" size="2"&gt&ltb&gt&lta href="http://store.auctiva.com/bikergear-usa"&gtbikergear-usa&lt/a&gt Store&lt/b&gt&lt/font&gt&lt/td&gt&lt/tr&gt&lt/table&gt&lt/div&gt&ltimg src="http://ti2.auctiva.com/web/aswCredit.gif" border="0"&gt&ltbr&gt&lta href="http://www.auctiva.com/?how=scLnk0" target="_blank"&gt&ltimg src="http://ti2.auctiva.com/images/sc1line0.gif" border="0"&gt&lt/a&gt"

@Fleder · 01.05.2018, 10:40

Сообщение от djecblek

Вот эти строчки
"MIRROR ROSES EMBROIDERED 11 INCH IRON ON PATCH
Embroidered patch with heat sealed backing.11.0 X 8.0 Inch."
И все бы хорошо, но еще добавляется вот эта хрень

А у меня это свойство в отладчике выглядит вот так:

MIRROR ROSES EMBROIDERED 11 INCH IRON ON PATCH Embroidered patch with heat sealed backing.11.0 X 8.0 Inch.&ltdiv style="text-align:center"&gt&ltimg src="http://ti2.auctiva.com/sw/java.gif" border="0"&gt&ltbr&gt&lttable align="center"&gt&lttr&gt&lttd&gt&lta style="text-decoration:none" href="http://store.auctiva.com/bikergear-usa"&gt&ltimg src="http://ti2.auctiva.com/sw/browse2.gif" border="0"&gt&lt/a&gt&lt/td&gt&lttd height="21px" valign="middle" align="center"&gt&ltfont face="arial" size="2"&gt&ltb&gt&lta href="http://store.auctiva.com/bikergear-usa"&gtbikergear-usa&lt/a&gt Store&lt/b&gt&lt/font&gt&lt/td&gt&lt/tr&gt&lt/table&gt&lt/div&gt&ltimg src="http://ti2.auctiva.com/web/aswCredit.gif" border="0"&gt&ltbr&gt&lta href="http://www.auctiva.com/?how=scLnk0" target="_blank"&gt&ltimg src="http://ti2.auctiva.com/images/sc1line0.gif" border="0"&gt&lt/a&gt

@djecblek · 01.05.2018, 10:42 **[ТС]**

Так это ж то же самое только без ""

@Fleder · 01.05.2018, 10:44

Сообщение от djecblek

Так это ж то же самое только без ""

А откуда это у вас тогда? Я ведь паттерн-то под вашу версию сделал. А по факту этих тегов и нет.
И поэтому ничего и не находит регулярка.

@djecblek · 01.05.2018, 10:47 **[ТС]**

Так в результате эти теги есть

@Fleder · 01.05.2018, 10:51

Сообщение от djecblek

Так в результате эти теги есть

Посмотрите в отладчике студии. Там их нет.
А вообще, это поле Description можно выделить немного другим способом.

@djecblek · 01.05.2018, 10:52 **[ТС]**

Можно я вам весь исходник в личку скину?

@Fleder · 01.05.2018, 11:04

djecblek, попробуйте вот так (у меня работает):

C#
1
2
3
4
5
6
v = RemoveStyle(v);
var doc = new HtmlDocument();
doc.LoadHtml(v);
// Строка дескрипшина или первый булет
Description = doc.DocumentNode.SelectSingleNode("//*[@id='ds_div']").InnerText.Replace("\t", "").Replace("&nbsp;", " ").Replace(""", "''").Replace("&amp", "&").Replace("',", "'").Replace(";", "").Replace("\t", "").Replace("\n", "");
Description = Regex.Match(Description, @".*?(?=&ltdiv style=)").Value;

Добавлено через 7 минут
djecblek, или ещё лучше такой паттерн (а то там разные теги бывают):

C#
1
Description = Regex.Match(Description, @".*?(?=&(?:amp)?ltdiv style=)").Value;

@djecblek · 01.05.2018, 11:07 **[ТС]**

Да это работает, но немного не то. Остаются лишние теги  а тексты с других ссылок вообще пропали. Тут теги  постоянны и хотелось бы удалить все что идет за ними включая их

@Fleder · 01.05.2018, 11:30

Сообщение от djecblek

Да это работает, но немного не то. Остаются лишние теги

Значит у вас где-то дальше в коде эти теги добавляются, потому что в самом классе EbayClass
в свойстве Description их нет.
Можете скинуть весь код (в личку).

Добавлено через 17 минут
djecblek, программу вы сами разрабатывали?
Это баг, что я не могу изменить папку сохранения результатов?

@djecblek · 01.05.2018, 11:34 **[ТС]**

Нет, программу разрабатывал не сам. А папку сохранения результатов поменять можно, это скорее всего баг, у меня все меняется без проблем

@Fleder · 01.05.2018, 11:42

djecblek, я прогнал немного парсинг.
То есть получается, что некоторые айтемы нормально в csv записываются, а некоторые с каким-то мусором в конце.
Когда как.

Добавлено через 1 минуту
djecblek, я прогу погоняю. Попозже отпишусь о результате.

@djecblek · 01.05.2018, 11:43 **[ТС]**

Fleder, Да все верно, некоторые записываются нормально, а некоторые с мусором. Спасибо

@Fleder · 01.05.2018, 12:23

djecblek, баг поправил.

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
  
//ОБЯЗАТЕЛЬНО удалить эту строку. Она больше не нужна.       
File.WriteAllText("D:/v.txt", v);
try
{
   v = RemoveStyle(v);
   var doc = new HtmlDocument();
   doc.LoadHtml(v);
   // Строка дескрипшина или первый булет
   Description = doc.DocumentNode.SelectSingleNode("//*[@id='ds_div']").InnerText.Replace("\t", "").Replace("&nbsp;", " ").Replace(""", "''").Replace("&amp", "&").Replace("',", "'").Replace(";", "").Replace("\t", "").Replace("\n", "");
 
   // вот так удаляем мусор в некоторых итемах
   Description = Regex.Match(Description, @"^.*?(?=$|<!--ASW-->)").Value;

И не забудьте удалить запись в файл, которую я вас просил сделать ранее (иначе будет тормозить):

C#
1
File.WriteAllText("D:/v.txt", v);

@djecblek · 01.05.2018, 12:28 **[ТС]**

Fleder, Спасибо все прекрасно заработало. Не подскажите что за библиотека "HttpSolver" Весь гугл перерыл даже упоминания нигде нету, подозреваю что название она имеет какое то другое

@Fleder · 01.05.2018, 12:35

Сообщение от djecblek

Не подскажите что за библиотека "HttpSolver"

Скорее всего это какая-то самодельная библиотека.

@djecblek · 01.05.2018, 12:37 **[ТС]**

Fleder, Понял, спасибо

Новые блоги и статьи Все статьи Все блоги /
Теория всего 12. ВГК anaschu 21.07.2026 ### Главные семантические изменения и дешифровка новой физики 1. `REPRODUCTIVE_EMISSION` вместо фотосинтеза (`PS_base`): Энергия и ресурсы, которые класс средних мужчин (`_W_MEN_DONORS`). . .	Публикация отклонённая на хабре. Как «пернатого» заставить осваивать новые горизонты опыта через масштабирование задачи и целеполагание Hrethgir 21.07.2026 https:/ / www. cyberforum. ru/ blog_attachment. php?attachmentid=11948&stc=1&d=1784657928 Привет Хабр. В этой статье я расскажу, как один закон эпистемологии позволил мне с ходу запустить уникальный. . .	Теория всего 11. Основные параметры anaschu 21.07.2026 Дешифровка тензорного ядра Soil Chemistry 2. 0: Истинный инвариант Теории Всего Чистовой исходный код многокомпонентной сукцессии зафиксирован. Модель оперирует единым вектором состояния. . .	Теория всего 10. Клод трусишка anaschu 21.07.2026 Алгоритмический суицид ИИ: Когда математика ОДУ взламывает цензурные шлюзы Свежайший мета-прецедент нашей разработки! Клод официально отказался строить итоговую кроссплатформенную модель, как. . .
Теория всего 9. Окончательная проработка метафоры "дерево = традиции" anaschu 21.07.2026 Скрытые параметры ядра ОДУ: Механика Глубинного Рока Клод утаил от вас ключевую математику кризисов. В движке игры зашиты пять скрытых коэффициентов, определяющих, как именно ТНК и Мемы ломают. . .	Теория всего 8. Clauude трусишка. Ответ джемени anaschu 21.07.2026 Игровой баланс «Модели Всего»: Алгоритмический блок как механика Семантического БуфераЭтот скриншот отказа Клода — идеальный, чистейший прецедент для нашей Теории Всего. Вы столкнулись не просто с. . .	Теория всего 7. Дерево - это патриархат, грибы - это феминизм anaschu 21.07.2026 Уничтожение Патриархата: Как ТНК, Мемы и Половой отбор зачистили «Сексуальный Пролетариат» Величайшая иллюзия современного человека — вера в «свободу воли», «социальный прогресс» и «эволюцию. . .	История и социология Терры на примере борьбы микориз за пространство. 1. Глоссарий терры. anaschu 21.07.2026 Решил тут подумать о возможности сделать лор некоторой комп игры - стратегии, или худжественной книги антиутопии, которые будут юзать планету,которая максимально будет похожа на нашу землю, но где. . .

@djecblek 1 / 1 / 0 Регистрация: 30.01.2018 Сообщений: 146
	01.05.2018, 10:24 [ТС]
	Вот что получилось v.txt 0

@Fleder 263 / 224 / 108 Регистрация: 09.12.2015 Сообщений: 652
	01.05.2018, 10:26
	djecblek, а что из этого html должно оказаться в свойстве `Description` в результате? 0

@djecblek 1 / 1 / 0 Регистрация: 30.01.2018 Сообщений: 146
	01.05.2018, 10:35 [ТС]
	Вот эти строчки "MIRROR ROSES EMBROIDERED 11 INCH IRON ON PATCH Embroidered patch with heat sealed backing.11.0 X 8.0 Inch." И все бы хорошо, но еще добавляется вот эта хрень ".<!--ASW--><!--version 1.0-->&ampltdiv style="text-align:center"&ampgt&ampltimg src="http://ti2.auctiva.com/sw/java.gif" border="0"&ampgt&ampltbr&ampgt&amplttabl e align="center"&ampgt&amplttr&ampgt&amplt td&ampgt&amplta style="text-decoration:none" href="http://store.auctiva.com/bikergear-usa"&ampgt&ampltimg src="http://ti2.auctiva.com/sw/browse2.gif" border="0"&ampgt&amplt/a&ampgt&amplt/td&ampgt&amplttd height="21px" valign="middle" align="center"&ampgt&ampltfont face="arial" size="2"&ampgt&ampltb&ampgt&amplta href="http://store.auctiva.com/bikergear-usa"&ampgtbikergear-usa&amplt/a&ampgt Store&amplt/b&ampgt&amplt/font&ampgt&amplt/td&ampgt&amplt/tr&ampgt&amplt/table&ampgt&amplt/div&ampgt<!--ASW-->&ampltimg src="http://ti2.auctiva.com/web/aswCredit.gif" border="0"&ampgt&ampltbr&ampgt&amplta href="http://www.auctiva.com/?how=scLnk0" target="_blank"&ampgt&ampltimg src="http://ti2.auctiva.com/images/sc1line0.gif" border="0"&ampgt&amplt/a&ampgt" Добавлено через 3 минуты Извиняюсь, не то скопировал, вот эта хрень "<!--ASW--><!--version 1.0-->&ltdiv style="text-align:center"&gt&ltimg src="http://ti2.auctiva.com/sw/java.gif" border="0"&gt&ltbr&gt&lttable align="center"&gt&lttr&gt&lttd&gt&lta style="text-decoration:none" href="http://store.auctiva.com/bikergear-usa"&gt&ltimg src="http://ti2.auctiva.com/sw/browse2.gif" border="0"&gt&lt/a&gt&lt/td&gt&lttd height="21px" valign="middle" align="center"&gt&ltfont face="arial" size="2"&gt&ltb&gt&lta href="http://store.auctiva.com/bikergear-usa"&gtbikergear-usa&lt/a&gt Store&lt/b&gt&lt/font&gt&lt/td&gt&lt/tr&gt&lt/table&gt&lt/div&gt<!--ASW-->&ltimg src="http://ti2.auctiva.com/web/aswCredit.gif" border="0"&gt&ltbr&gt&lta href="http://www.auctiva.com/?how=scLnk0" target="_blank"&gt&ltimg src="http://ti2.auctiva.com/images/sc1line0.gif" border="0"&gt&lt/a&gt" 0

@djecblek 1 / 1 / 0 Регистрация: 30.01.2018 Сообщений: 146
	01.05.2018, 10:42 [ТС]
	Так это ж то же самое только без "<!--ASW--><!--version 1.0-->" 0

@djecblek 1 / 1 / 0 Регистрация: 30.01.2018 Сообщений: 146
	01.05.2018, 10:47 [ТС]
	Так в результате эти теги есть 0

@djecblek 1 / 1 / 0 Регистрация: 30.01.2018 Сообщений: 146
	01.05.2018, 10:52 [ТС]
	Можно я вам весь исходник в личку скину? 0

@djecblek 1 / 1 / 0 Регистрация: 30.01.2018 Сообщений: 146
	01.05.2018, 11:07 [ТС]
	Да это работает, но немного не то. Остаются лишние теги <!--ASW--><!--version 1.0--> а тексты с других ссылок вообще пропали. Тут теги <!--ASW--><!--version 1.0--> постоянны и хотелось бы удалить все что идет за ними включая их 0

@djecblek 1 / 1 / 0 Регистрация: 30.01.2018 Сообщений: 146
	01.05.2018, 11:34 [ТС]
	Нет, программу разрабатывал не сам. А папку сохранения результатов поменять можно, это скорее всего баг, у меня все меняется без проблем 0

@Fleder 263 / 224 / 108 Регистрация: 09.12.2015 Сообщений: 652
	01.05.2018, 11:42
	djecblek, я прогнал немного парсинг. То есть получается, что некоторые айтемы нормально в csv записываются, а некоторые с каким-то мусором в конце. Когда как. Добавлено через 1 минуту djecblek, я прогу погоняю. Попозже отпишусь о результате. 0

@djecblek 1 / 1 / 0 Регистрация: 30.01.2018 Сообщений: 146
	01.05.2018, 11:43 [ТС]
	Fleder, Да все верно, некоторые записываются нормально, а некоторые с мусором. Спасибо 0

@djecblek 1 / 1 / 0 Регистрация: 30.01.2018 Сообщений: 146
	01.05.2018, 12:28 [ТС]
	Fleder, Спасибо все прекрасно заработало. Не подскажите что за библиотека "HttpSolver" Весь гугл перерыл даже упоминания нигде нету, подозреваю что название она имеет какое то другое 0

@djecblek 1 / 1 / 0 Регистрация: 30.01.2018 Сообщений: 146
	01.05.2018, 12:37 [ТС]
	Fleder, Понял, спасибо 0