Регулярные выражения для парсинга HTML

@ITL · Регистрация: 17.07.2012

Студворк — интернет-сервис помощи студентам

Допустим скачал HTML страницу.
Внутри ее кучи строк и мне нужно вырезать все , что находится между :

HTML5
1
<p id="story_1">  текст, который надо вырезать  </p>

Про регулярные выражения читал, но не получается составить грамотно поиск. Буду очень благодарен, если кто-то сможет описать границы в pattern и объяснить, что к чему с символами.

@Tessen · 02.08.2012, 15:02

C#
1
2
3
            var reg=new Regex(@"(?<=<p id=""story_1"">)[\d\D]+(?=</p>)");
            string str = @"<p id=""story_1""> текст, который надо вырезать </p>";
            var m=reg.Match(str);

@ITL · 02.08.2012, 16:43 **[ТС]**

Спасибо,смысл понял, то там двойные скобки вы поставили, а в тексте то они одни, если их убрать, то уже не работает, как изолировать их? или обойти это ограничение

@novi4ok · 02.08.2012, 16:45

недавно подобным заморачивался, установил, что с помощью HtmlAgilityPack это удобнее делается, хотя регулярные выражения - мощная вещь (настолько же и сложная).

@Tessen · 02.08.2012, 16:49

Сообщение от ITL

Спасибо,смысл понял, то там двойные скобки вы поставили, а в тексте то они одни, если их убрать, то уже не работает, как изолировать их? или обойти это ограничение

не совсем понял о каких скобках речь
приведите пример с чем не работает / как должно работать?

@ITL · 02.08.2012, 16:52 **[ТС]**

C#
1
(@"(?<=<p id=""story_1"">)[\d\D]+(?=</p>)");

вот тут , ""story_01"" , две двойные ковычки, но в тексте они одинарные. Я про это.

@Tessen · 02.08.2012, 16:55

двойные кавычки будут восприняты как одинарные
одинарные в свою очередь будут восприняты как завершение строки

т.е. если вы хотите чтобы в строке были кавычки - ставьте два раза, они будут восприняты как один и поиск будет работать именно с одинарными
дело в том что вот такое объявление:

C#
1
"\""

для точных строк (начинающихся с @) не подойдет т.к. все символы воспринимаются как они есть и \ обозначает не начало управляющей последовательности, а именно символ \

что вы имеете в виду под изолировать / обойти ограничение (что за ограничение?)

@ITL · 02.08.2012, 17:17 **[ТС]**

а, тьфу....это я не правильно изменил строку, все работает. Но вот проблема, дело в том , что оно вырезает все дальше, т.е после первого </p> просто не останавливается и копирует все , что есть дальше.

@Tessen · 02.08.2012, 17:22

приведите пример строки плз

@ITL · 02.08.2012, 17:26 **[ТС]**

Сообщение от Tessen

приведите пример строки плз

Просто приведу пример:

HTML5
1
2
3
<p class="the" id="story_1"> БЛА-бла-бла-бла-бла </p>
...
<какая-то другая информация>

У меня получается вырезает "Бла-бла-бла-бла-бла ...<какая-то другая информация>"

@Tessen · 02.08.2012, 17:34

C#
1
2
3
4
5
            var reg = new Regex(@"(?<=<p id=""story_1"">)[\d\D]+(?=</p>)");
            string str = @"<p id=""story_1""> БЛА-бла-бла-бла-бла </p>
 ...
 <какая-то другая информация>";
            var m = reg.Match(str);

выдает все правильно
class="the" удалил т.к.тогда совпадения нет вообще (в изначальном примере class= нету

Новые блоги и статьи Все статьи Все блоги /
Камера Toupcam IUA500KMA Eddy_Em 12.02.2026 Т. к. у всяких "хикроботов" слишком уж мелкий пиксель, для подсмотра в ESPriF они вообще плохо годятся: уже 14 величину можно рассмотреть еле-еле лишь на экспозициях под 3 секунды (а то и больше),. . .	И ясному Солнцу zbw 12.02.2026 И ясному Солнцу, и светлой Луне. В мире покоя нет и люди не могут жить в тишине. А жить им немного лет.	«Знание-Сила» zbw 12.02.2026 «Знание-Сила» «Время-Деньги» «Деньги -Пуля»	SDL3 для Web (WebAssembly): Подключение Box2D v3, физика и отрисовка коллайдеров 8Observer8 12.02.2026 Содержание блога Box2D - это библиотека для 2D физики для анимаций и игр. С её помощью можно определять были ли коллизии между конкретными объектами и вызывать обработчики событий столкновения. . . .
SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL_LoadPNG (без SDL3_image) 8Observer8 11.02.2026 Содержание блога Библиотека SDL3 содержит встроенные инструменты для базовой работы с изображениями - без использования библиотеки SDL3_image. Пошагово создадим проект для загрузки изображения. . .	SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL3_image 8Observer8 10.02.2026 Содержание блога Библиотека SDL3_image содержит инструменты для расширенной работы с изображениями. Пошагово создадим проект для загрузки изображения формата PNG с альфа-каналом (с прозрачным. . .	Установка Qt-версии Lazarus IDE в Debian Trixie Xfce volvo 10.02.2026 В общем, достали меня глюки IDE Лазаруса, собранной с использованием набора виджетов Gtk2 (конкретно: если набирать текст в редакторе и вызвать подсказку через Ctrl+Space, то после закрытия окошка. . .	SDL3 для Web (WebAssembly): Работа со звуком через SDL3_mixer 8Observer8 08.02.2026 Содержание блога Пошагово создадим проект для загрузки звукового файла и воспроизведения звука с помощью библиотеки SDL3_mixer. Звук будет воспроизводиться по клику мышки по холсту на Desktop и по. . .

@ITL 284 / 255 / 73 Регистрация: 17.07.2012 Сообщений: 618
	02.08.2012, 16:43 [ТС]
	Спасибо,смысл понял, то там двойные скобки вы поставили, а в тексте то они одни, если их убрать, то уже не работает, как изолировать их? или обойти это ограничение 0

@novi4ok 556 / 510 / 25 Регистрация: 23.07.2009 Сообщений: 2,359 Записей в блоге: 1
	02.08.2012, 16:45
	недавно подобным заморачивался, установил, что с помощью HtmlAgilityPack это удобнее делается, хотя регулярные выражения - мощная вещь (настолько же и сложная). 0

@ITL 284 / 255 / 73 Регистрация: 17.07.2012 Сообщений: 618
	02.08.2012, 17:17 [ТС]
	а, тьфу....это я не правильно изменил строку, все работает. Но вот проблема, дело в том , что оно вырезает все дальше, т.е после первого </p> просто не останавливается и копирует все , что есть дальше. 0

@Tessen 713 / 680 / 126 Регистрация: 30.03.2012 Сообщений: 1,124
	02.08.2012, 17:22
	приведите пример строки плз 0