Как и чем спарсить данные

@Radzhab · Регистрация: 18.06.2011

Студворк — интернет-сервис помощи студентам

Парсю страницы. Как и главное чем будет спарсить страницы.Можно ли использовать регулярки или есть алтернатива, которая быстрее это сделает. Таких данных на странице от 10 до 30 как попадется

HTML5
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
<table class="t">
                                <tbody>
                                  <tr>
                                    <td class="cct_t">адрес:</td>
                                    <td>Саратов, Петра 1, 5</td>
                                  </tr>
                                  <tr>
                                    <td class="cct_t">телефон:</td>
                                    <td>+7 999 11-22-33</td>
                                  </tr>
                                  <tr>
                                    <td class="cct_t">e-mail:</td>
                                    <td>
                                      <a href="mailto:super@mail.ru">uper@mail.ru</a>
                                    </td>
                                  </tr>
                                  <tr>
                                    <td class="cct_t">адрес сайта:</td>
                                    <td>
                                      <a href="http://super.biz" target="_blank">http://super.biz</a>
                                    </td>
                                  </tr>
                                  <tr>
                                    <td class="cct_t1">рейтинг:</td>
                                    <td class="cct_t2">
                                      <img src="images/r_a.gif" alt="AD">
                                      <img src="images/r_a.gif" alt="AD">
                                      <img src="images/r_a.gif" alt="AD">
                                      <img src="images/r_a.gif" alt="AD">
                                      <img src="images/r_a.gif" alt="AD">
                                    </td>
                                  </tr>
                                </tbody>
                              </table>
                            </div>

Reactionary · 20.12.2011, 15:10

А разве регулярки медленно работают?
<30 вхождений, много?)
Хотя если уж так неймется, можно поюзать классы для работы с Xml

Впрочем сильно сомневаюсь что это много быстрее.

@Radzhab · 20.12.2011, 15:31 **[ТС]**

Это ж не xml вроде. html

@Vitall · 20.12.2011, 15:40

Альтернатива webBrower
Методы для работы доступны через Document

C#
1
2
3
webBrowser1.Document.GetElementsByTagName("a");
webBrowser1.Document.GetElementById("**").SetAttribute("value", "admin");
webBrowser1.Document.GetElementById("**").GetAttribute("name");

@Radzhab · 20.12.2011, 15:54 **[ТС]**

Vitall, он медленно не будет выполняться*?

Добавлено через 2 минуты

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
string pattern = "e-mail:(.*)";
 
            string html = string.Empty;
          
            HttpWebRequest myRequest = (HttpWebRequest)HttpWebRequest.Create(url);
            HttpWebResponse myResponse = (HttpWebResponse)myRequest.GetResponse();
            StreamReader sr = new StreamReader(myResponse.GetResponseStream(), Encoding.GetEncoding(1251));
            html = sr.ReadToEnd();
            Match res;
            res = Regex.Match(html, pattern);
            MessageBox.Show(res.Groups[1].ToString());
           
            return res.Groups[1].ToString();

Это код выводит текст который идет после email:, то есть теги </td>
Как сделать чтобырегулярка парсила в таком формате email: super@mail.ru ?

HTML5
1
2
3
4
    <td class="cct_t">e-mail:</td>
    <td>
        <a href="mailto:super@mail.ru">super@mail.ru</a>
    </td>

Reactionary · 20.12.2011, 16:52

Radzhab а какая в этом случае разница?))))
XmlDocument, XDocument и прочие аналогичные классы решат вашу проблему за несколько минут

@Vitall · 20.12.2011, 17:46

Сообщение от Radzhab

он медленно не будет выполняться*?

Radzhab Это надо определить экспериментальным путем какой их способов более производителен .

@sau · 20.12.2011, 17:50

Млин, там разница в сотых долях, вы даже не заметите.
Если xhtml то можно XDocument-XmlDocument, иначе WebBrowser или Regex или IHtmlDocument

@Radzhab · 21.12.2011, 15:29 **[ТС]**

Как сделать чтобырегулярка парсила в таком формате e-mail: super@mail.ru ?

C#
1
2
3
4
    <td class="cct_t">e-mail:</td>
    <td>
        <a href="mailto:super@mail.ru">super@mail.ru</a>
    </td>

Добавлено через 19 часов 25 минут
Как сделать чтобы регулярки работали тока в одном классе

C#
1
2
3
4
<td class="cct_t">e-mail:</td>
    <td>
        <a href="mailto:super@mail.ru">super@mail.ru</a>
    </td>

Новые блоги и статьи Все статьи Все блоги /
SDL3 для Web (WebAssembly): Реализация движения на Box2D v3 - трение и коллизии с повёрнутыми стенами 8Observer8 20.02.2026 Содержание блога Box2D позволяет легко создать главного героя, который не проходит сквозь стены и перемещается с заданным трением о препятствия, которые можно располагать под углом, как верхнее. . .	Конвертировать закладки radiotray-ng в m3u-плейлист damix 19.02.2026 Это можно сделать скриптом для PowerShell. Использование . \СonvertRadiotrayToM3U. ps1 <path_to_bookmarks. json> Рядом с файлом bookmarks. json появится файл bookmarks. m3u с результатом. # Check if. . .	Семь CDC на одном интерфейсе: 5 U[S]ARTов, 1 CAN и 1 SSI Eddy_Em 18.02.2026 Постепенно допиливаю свою "многоинтерфейсную плату". Выглядит вот так: https:/ / www. cyberforum. ru/ blog_attachment. php?attachmentid=11617&stc=1&d=1771445347 Основана на STM32F303RBT6. На борту пять. . .	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. . .

Reactionary 42 / 36 / 2 Регистрация: 18.12.2011 Сообщений: 113
	20.12.2011, 15:10
	А разве регулярки медленно работают? <30 вхождений, много?) Хотя если уж так неймется, можно поюзать классы для работы с Xml Впрочем сильно сомневаюсь что это много быстрее. 0

@Radzhab 12 / 12 / 1 Регистрация: 18.06.2011 Сообщений: 435
	20.12.2011, 15:31 [ТС]
	Это ж не xml вроде. html 0

Reactionary 42 / 36 / 2 Регистрация: 18.12.2011 Сообщений: 113
	20.12.2011, 16:52
	Radzhab а какая в этом случае разница?)))) XmlDocument, XDocument и прочие аналогичные классы решат вашу проблему за несколько минут 0

@sau 2773 / 2073 / 386 Регистрация: 22.07.2011 Сообщений: 7,820
	20.12.2011, 17:50
	Млин, там разница в сотых долях, вы даже не заметите. Если xhtml то можно XDocument-XmlDocument, иначе WebBrowser или Regex или IHtmlDocument 0