Поиск текста между тегами

@vasiliyvasiliy · Регистрация: 05.06.2014

Студворк — интернет-сервис помощи студентам

Здравствуйте!
В общем задачка вот какая. Программа идет на один сайт и берет оттуда HTML код.
Код на подобии:

HTML5
1
2
3
4
<title>Какой то текст</title>
<body>
Ещё какой то текст
<body>

Ну так вот. Для того, что бы вытащить текст между тегами <title> и </title> я использовал следующий код:

C#
1
2
3
4
var webClient = new System.Net.WebClient();
string URL = "http://site.ru";
string HTML = webClient.DownloadString(URL);
string match = Regex.Match(HTML, "<title>(.*)</title>").ToString();

В результате значение match у меня приобретало вид: <title>Какой то текст</title> (Это не страшно!).

Но вот когда я попытался использовать этот же код для взятия текста между тегами <body> и </body> то у меня значение match было пустым. Я думаю это как то связано с тем, что они в разных строках находятся. Что с этим делать? Как сделать так, что бы выводило текст между тегами <body> и </body> ?

Заранее спасибо за помощь!

@XRoy · 22.07.2014, 15:25

Никогда не парсите HTML регулярными выражениями они не предназначены для этого. Используйте DOM-парсер, к примеру Html Agility Pack.

@Winhttp22 · 22.07.2014, 16:02

Сообщение от XRoy

они не предназначены для этого

почему это не предназначены?

Как то так -

C#
1
2
3
4
5
var webClient = new System.Net.WebClient();
string URL = "http://site.ru";
string HTML = webClient.DownloadString(URL);
Match match = Regex.Match(HTML, "<title>(.*)</title>");
string result=match.Success ? match.Groups[1].Value : "Не найдено";

@XRoy · 22.07.2014, 16:11

Winhttp22,
Это вам повезло, но к примеру может быть записано так:

HTML5
1
2
3
<title>
             Какой-то текст
   </title>

Кроме того body может иметь атрибуты, так что лучшим вариантом будет использовать DOM парсер.

@S_el · 22.07.2014, 16:40

vasiliyvasiliy, точка в регулярных выражениях это любой символ кроме новой строки,надо просто учесть,что может быть и новая строка тоже.

@Winhttp22 · 22.07.2014, 16:51

Сообщение от XRoy

Это вам повезло, но к примеру может быть записано так:

ну тогда так -

C#
1
2
3
4
5
6
7
8
string HTML = @"<title> 
                        Какой-то текст.         
        </title>";
            Console.WriteLine(HTML);
        Match match = Regex.Match(HTML, @"<title>.*?(\w.*)\s*</title>",RegexOptions.Singleline);
        string result=match.Success ? match.Groups[1].Value : "Не найдено";
        Console.WriteLine("result = {0}",result);
        Console.ReadKey();

Сообщение от XRoy

body

а это причем тут?
Согласен - в некотрых случаях регулярки не подходят. Но если для одного сайта писать - то вполне...

@XRoy · 22.07.2014, 16:59

Winhttp22,
Притом что vasiliyvasiliy, необходимо получить содержимое внутри тегов body

@Winhttp22 · 22.07.2014, 19:11

XRoy, да, в таком случае возможно лучше использовать было бы dom parser. Но я всегда использую регулярки - правда у меня не такие задачи.
А спарсить текст между тегами body можно и регуляркой.

Не по теме:

dom parser регулярками парсит, или нет? :) Кстати - он полностью dom разбирает при парсинге?

@XRoy · 22.07.2014, 20:03

Winhttp22,

Не по теме:

На сколько я знаю, при помощи грамматик парсят текст который потом пропускают через дерево.
Вот здесь хорошо описано.

Новые блоги и статьи Все статьи Все блоги /
SDL3 для Desktop (MinGW): Создаём пустое окно с нуля для 2D-графики на SDL3, Си и C++ 8Observer8 10.03.2026 Содержание блога Финальные проекты на Си и на C++: hello-sdl3-c. zip hello-sdl3-cpp. zip Результат:	Установка CMake и MinGW 13.1 для сборки С и C++ приложений из консоли и из Qt Creator в EXE 8Observer8 10.03.2026 Содержание блога MinGW - это коллекция инструментов для сборки приложений в EXE. CMake - это система сборки приложений. Здесь описаны базовые шаги для старта программирования с помощью CMake и. . .	Как дизайн сайта влияет на конверсию: 7 решений, которые реально повышают заявки Neotwalker 08.03.2026 Многие до сих пор воспринимают дизайн сайта как “красивую оболочку”. На практике всё иначе: дизайн напрямую влияет на то, оставит человек заявку или уйдёт через несколько секунд. Даже если у вас. . .	Модульная разработка через nuget packages DevAlt 07.03.2026 Сложившийся в . Net-среде способ разработки чаще всего предполагает монорепозиторий в котором находятся все исходники. При создании нового решения, мы просто добавляем нужные проекты и имеем. . .
Модульный подход на примере F# DevAlt 06.03.2026 В блоге дяди Боба наткнулся на такое определение: В этой книге («Подход, основанный на вариантах использования») Ивар утверждает, что архитектура программного обеспечения — это структуры,. . .	Управление камерой с помощью скрипта OrbitControls.js на Three.js: Вращение, зум и панорамирование 8Observer8 05.03.2026 Содержание блога Финальная демка в браузере работает на Desktop и мобильных браузерах. Итоговый код: orbit-controls-threejs-js. zip. Сканируйте QR-код на мобильном. Вращайте камеру одним пальцем,. . .	SDL3 для Web (WebAssembly): Синхронизация спрайтов SDL3 и тел Box2D 8Observer8 04.03.2026 Содержание блога Финальная демка в браузере. Итоговый код: finish-sync-physics-sprites-sdl3-c. zip На первой гифке отладочные линии отключены, а на второй включены:. . .	SDL3 для Web (WebAssembly): Идентификация объектов на Box2D v3 - использование userData и событий коллизий 8Observer8 02.03.2026 Содержание блога Финальная демка в браузере. Итоговый код: finish-collision-events-sdl3-c. zip Сканируйте QR-код на мобильном и вы увидите, что появится джойстик для управления главным героем. . . .

@XRoy 871 / 721 / 304 Регистрация: 15.04.2013 Сообщений: 2,047 Записей в блоге: 5
	22.07.2014, 15:25
	Никогда не парсите HTML регулярными выражениями они не предназначены для этого. Используйте DOM-парсер, к примеру Html Agility Pack. 0

@S_el 2444 / 1842 / 406 Регистрация: 15.12.2013 Сообщений: 8,243
	22.07.2014, 16:40
	vasiliyvasiliy, точка в регулярных выражениях это любой символ кроме новой строки,надо просто учесть,что может быть и новая строка тоже. 0

@XRoy 871 / 721 / 304 Регистрация: 15.04.2013 Сообщений: 2,047 Записей в блоге: 5
	22.07.2014, 16:59
	Winhttp22, Притом что vasiliyvasiliy, необходимо получить содержимое внутри тегов body 0

@Winhttp22 169 / 132 / 29 Регистрация: 16.02.2013 Сообщений: 867
	22.07.2014, 19:11
	XRoy, да, в таком случае возможно лучше использовать было бы dom parser. Но я всегда использую регулярки - правда у меня не такие задачи. А спарсить текст между тегами body можно и регуляркой. Не по теме: dom parser регулярками парсит, или нет? :) Кстати - он полностью dom разбирает при парсинге? 0

@XRoy 871 / 721 / 304 Регистрация: 15.04.2013 Сообщений: 2,047 Записей в блоге: 5
	22.07.2014, 20:03
	Winhttp22, Не по теме: На сколько я знаю, при помощи грамматик парсят текст который потом пропускают через дерево. Вот здесь хорошо описано. 0