Анализ текстового файла

@Mr_Ser_Win · Регистрация: 15.10.2008

Студворк — интернет-сервис помощи студентам

Прривет. имеется текстовый файл, который представляет из себя исходный код страницы сайта. Проанализировав его мне надо извлечь все ссылки имеющиеся там. Как это можно сделать? если можно с примерами кода.
Заранее спасибо

Добавлено через 3 часа 47 минут
В Java испльзуется replaceAll, в php strip_tags и многое другое.
В C# нашел такую вещь Replace("<(\n)+?>",""). но почему то не помогло.

Maxim Prishchepa · 14.05.2010, 17:18

Сообщение от Mr_Ser_Win

Прривет. имеется текстовый файл, который представляет из себя исходный код страницы сайта. Проанализировав его мне надо извлечь все ссылки имеющиеся там. Как это можно сделать? если можно с примерами кода.
Заранее спасибо

Добавлено через 3 часа 47 минут
В Java испльзуется replaceAll, в php strip_tags и многое другое.
В C# нашел такую вещь Replace("<(\n)+?>",""). но почему то не помогло.

C#
1
2
3
4
5
6
7
8
9
string str = "<\\s*a\\s+href\\s*=\\s*(?<links>[\\d\\w\\/_?&\".:]*)\\s*>(?<titles>[\\w\\d\\s]*)<\\s*/\\s*a\\s*>";
            Regex rx = new Regex(str);
            MatchCollection mc = rx.Matches(textBox1.Text);
            label1.Text = string.Empty;
            for(int i=0;i<mc.Count;i++)
            {
                label1.Text += string.Format("link is: {0}; title is: {1}\n", mc[i].Groups["links"].Value, mc[i].Groups["titles"].Value);
 
            }

Добавьте на форму TextBox в который вводите линки в формате: <a href =somelink>titleLink</a>; добавьте Lable в который собственно будет выводиться результат разбора текста и добавьте кнопку, по нажатию которой и будет выполняться написанный выше код ;-). Удачи!

@Mr_Ser_Win · 14.05.2010, 17:33 **[ТС]**

l_a_m, я не совсем понял, он будет искать введенную мной ссылку или что? мне надо найти абсолютно все ссылки и затем сохранить в какое нибудь хранилище (база данных, но вопрос не в этом).

Maxim Prishchepa · 14.05.2010, 17:38

ну собственно давай уже доделаем до конца твой проект, что ли... :-)

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
FileInfo fi = new FileInfo("PATH-to-html-file");
if (fi.Exists)
{
   FileInfo resultFile = new FileInfo("PATH-to-result-file");
   FileStream fileWriter;
   if (!resultFile.Exists)
      resultFile.Create();
   string str = "<\\s*a\\s+href\\s*=\\s*\"?(?<links>[\\d\\w\\/_?&.:]*)\"?\\s*>(?<titles>[\\w\\d\\s]*)<\\s*/\\s*a\\s*>";
   Regex rx = new Regex(str);
   MatchCollection mc = rx.Matches(fi.OpenText().ReadToEnd());               
   for (int i = 0; i < mc.Count; i++)
      resultFile.AppendText().WriteLine(string.Format("link is: {0}; title is: {1};", mc[i].Groups["links"].Value, mc[i].Groups["titles"].Value));
}

На выходе вы получите текстовый файл, в котором будут строки в формате:
link is: http://google.com; title is: ссылка на гугл;
link is: http://bing.com; title is: ссылка на бинг;
и т.д.
естественно при условии, что у вас где-то в вашем исходном коде, есть такой текст: <a href="http://google.com">ссылка на гугл</a> и т.д.

ЗЫ: используйте регулярное выражение из этого примера, в предыдущем оно немножко не корректное, я только что заметил и поправил
ЗЗЫ: с Вас 100грам и пончик ;-)

@Mr_Ser_Win · 14.05.2010, 18:15 **[ТС]**

l_a_m, как мне тебя найти, чтобы передать это все ? :-)

Добавлено через 16 минут
Еще один вопрос, если не против.

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
var fi = new FileInfo("C:\\spider\\kedr.kedr\\72568.txt");
            if (fi.Exists)
            {
                var resultFile = new FileInfo("C:\\spider\\kedr.kedr\\72568_.txt");
                FileStream fileWriter;
                if (!resultFile.Exists)
                {
                    resultFile.Create();
                }
 
                const string str = "<\\s*a\\s+href\\s*=\\s*\"?(?<links>[\\d\\w\\/_?&.:]*)\"?\\s*>(?<titles>[\\w\\d\\s]*)<\\s*/\\s*a\\s*>";
                var rx = new Regex(str);
 
                MatchCollection mc = rx.Matches(fi.OpenText().ReadToEnd());
                for (int i = 0; i < mc.Count; i++)
                {
                    resultFile.AppendText().WriteLine(string.Format("link is: {0}; title is: {1};", mc[i].Groups["links"].Value, mc[i].Groups["titles"].Value));
                }

вот он код. но он не внес никаких изменений во второй файл. почему не подскажеш?
обрабатываемый файл я прикрепил

@Mr_Ser_Win · 14.05.2010, 18:17 **[ТС]**

вот файл в архиве

@Mr_Ser_Win · 14.05.2010, 19:00 **[ТС]**

l_a_m, у меня не заходит в

C#
1
2
3
4
for (int i = 0; i < mc.Count; i++)
                {
                    resultFile.AppendText().WriteLine(string.Format("link is: {0}; title is: {1};", mc[i].Groups["links"].Value, mc[i].Groups["titles"].Value));
                }

потому что mc.Count == 0;

Добавлено через 32 минуты
l_a_m, изменил искомый формат

C#
1
const string str = "<a\\s+href=['\"](\\S+)['\"]";

и count увеличился, т.е. он чтото нашел.
теперь в этом цикле первый раз проходит нормально, а последующие разы не проходит, жалуется на то что файл уже используется

C#
1
2
3
4
for (int i = 0; i < mc.Count; i++)
                {
                    resultFile.AppendText().WriteLine(string.Format("{0};", mc[i].Groups["links"].Value));
                }

Maxim Prishchepa · 15.05.2010, 23:24

посмотрел я Ваш файл, попробуйте использовать такое выражение:

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
var fi = new FileInfo("C:\\spider\\kedr.kedr\\72568.txt");
if (fi.Exists)
{
  var resultFile = new FileInfo("C:\\spider\\kedr.kedr\\72568_.txt");
  FileStream fileWriter;
  if (!resultFile.Exists)
  {
    resultFile.Create();
  }
  const string str = "href\\s*=\\s*["'](?<links>http://[\\w\\d\\.\\\\/=&?]*)";
  var rx = new Regex(str);
  MatchCollection mc = rx.Matches(fi.OpenText().ReadToEnd());
  for (int i = 0; i < mc.Count; i++)
  {
    resultFile.AppendText().WriteLine(string.Format("{0}", mc[i].Groups["links"].Value));
  }

@Mr_Ser_Win · 16.05.2010, 11:00 **[ТС]**

l_a_m, видно все же это не правильная маска("href\\s*=\\s*["'](?<links>http://[\\w\\d\\.\\\\/=&?]*)), так он ничего не находит. и соответственно ничего не записывает.

Добавлено через 32 минуты
Все тема закрыта. сделал вот таким вот образом

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
var resultFile = new FileInfo(@"C:\\72568_.txt");
                if (!resultFile.Exists)
                {
                    resultFile.Create();
                }
 
                const string str = "<a\\s+href=['\"](\\S+)['\"]";
                var rx = new Regex(str, RegexOptions.IgnoreCase | RegexOptions.Singleline);
 
                MatchCollection mc = rx.Matches(fi.OpenText().ReadToEnd());
                foreach (Match m in mc)
                {
                    urls.Add(m.Result("$1"));
                }
 
                for (int i = 0; i < mc.Count; i++)
                {
                    using (StreamWriter sw = resultFile.AppendText())
                    {
                        sw.WriteLine(string.Format("{0}", mc[i].Groups.SyncRoot));
                    }
                }

Новые блоги и статьи Все статьи Все блоги /
Отправка уведомления на почту при изменении наименования справочника Maks 24.03.2026 Программная отправка письма электронной почты на примере изменения наименования справочника "Склады" в конфигурации БП3. Перед реализацией необходимо выполнить настройку системной учетной записи. . .	модель ЗдравоСохранения 5. Меньше увольнений- больше дохода! anaschu 24.03.2026 Теперь система здравосохранения уменьшает количество увольнений. 9TO2GP2bpX4 a42b81fb172ffc12ca589c7898261ccb/ https:/ / rutube. ru/ video/ a42b81fb172ffc12ca589c7898261ccb/ Слева синяя линия -. . .	Midnight Chicago Blues kumehtar 24.03.2026 Такой Midnight Chicago Blues, знаешь?. . Когда вечерние улицы становятся ночными, а ты не можешь уснуть. Ты идёшь в любимый старый бар, и бармен наливает тебе виски. Ты смотришь на пролетающие. . .	Контроль уникальности заводского номера - вариант №2 Maks 24.03.2026 В отличие от предыдущего варианта добавлено прерывание циклов, также добавлены новые переменные для сохранения контекста ошибки перед прерыванием цикла: Процедура ПередЗаписью(Отказ, РежимЗаписи,. . .
SDL3 для Desktop (MinGW): Вывод текста со шрифтом TTF с помощью библиотеки SDL3_ttf на Си и C++ 8Observer8 24.03.2026 Содержание блога Финальные проекты на Си и на C++: finish-text-sdl3-c. zip finish-text-sdl3-cpp. zip	Жизнь в неопределённости kumehtar 23.03.2026 Жизнь — это постоянное существование в неопределённости. Например, даже если у тебя есть список дел, невозможно дойти до точки, где всё окончательно завершено и больше ничего не осталось. В принципе,. . .	Модель здравоСохранения: работники работают быстрее после её введения. anaschu 23.03.2026 geJalZw1fLo Корпорация до введения программа здравоохранения имела много невыполненных работниками заданий, после введения программы количество заданий выросло. Но на выплатах по больничным это. . .	Контроль уникальности заводского номера - вариант №1 Maks 23.03.2026 Алгоритм контроля уникальности заводского (или серийного) номера на примере документа выдачи шин для спецтехники с табличной частью в конфигурации КА2. Данные берутся из регистра сведений, по. . .

@Mr_Ser_Win 45 / 44 / 7 Регистрация: 15.10.2008 Сообщений: 320

	Анализ текстового файла 14.05.2010, 14:16. Показов 2540. Ответов 8 Метки нет (Все метки) Прривет. имеется текстовый файл, который представляет из себя исходный код страницы сайта. Проанализировав его мне надо извлечь все ссылки имеющиеся там. Как это можно сделать? если можно с примерами кода. Заранее спасибо Добавлено через 3 часа 47 минут В Java испльзуется replaceAll, в php strip_tags и многое другое. В C# нашел такую вещь Replace("<(\n)+?>",""). но почему то не помогло. 0

@Mr_Ser_Win 45 / 44 / 7 Регистрация: 15.10.2008 Сообщений: 320
	14.05.2010, 17:33 [ТС]
	l_a_m, я не совсем понял, он будет искать введенную мной ссылку или что? мне надо найти абсолютно все ссылки и затем сохранить в какое нибудь хранилище (база данных, но вопрос не в этом). 0