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 /
Модель микоризы: классовый агентный подход 3 anaschu 06.01.2026 aa0a7f55b50dd51c5ec569d2d10c54f6/ O1rJuneU_ls https:/ / vkvideo. ru/ video-115721503_456239114	Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ФедосеевПавел 06.01.2026 Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ВВЕДЕНИЕ Введу сокращения: аналоговый ПИД — ПИД регулятор с управляющим выходом в виде числа в диапазоне от 0% до. . .	Модель микоризы: классовый агентный подход 2 anaschu 06.01.2026 репозиторий https:/ / github. com/ shumilovas/ fungi ветка по-частям. коммит Create переделка под биомассу. txt вход sc, но sm считается внутри мицелия. кстати, обьем тоже должен там считаться. . . .	Расчёт токов в цепи постоянного тока igorrr37 05.01.2026 / * Дана цепь постоянного тока с сопротивлениями и напряжениями. Надо найти токи в ветвях. Программа составляет систему уравнений по 1 и 2 законам Кирхгофа и решает её. Последовательность действий:. . .
Новый CodeBlocs. Версия 25.03 palva 04.01.2026 Оказывается, недавно вышла новая версия CodeBlocks за номером 25. 03. Когда-то давно я возился с только что вышедшей тогда версией 20. 03. С тех пор я давно снёс всё с компьютера и забыл. Теперь. . .	Модель микоризы: классовый агентный подход anaschu 02.01.2026 Раньше это было два гриба и бактерия. Теперь три гриба, растение. И на уровне агентов добавится между грибами или бактериями взаимодействий. До того я пробовал подход через многомерные массивы,. . .	Советы по крайней бережливости. Внимание, это ОЧЕНЬ длинный пост. Programma_Boinc 28.12.2025 Советы по крайней бережливости. Внимание, это ОЧЕНЬ длинный пост. Налог на собак: https:/ / ********/ gallery/ V06K53e Финансовый отчет в Excel: https:/ / ********/ gallery/ bKBkQFf Пост отсюда. . .	Кто-нибудь знает, где можно бесплатно получить настольный компьютер или ноутбук? США. Programma_Boinc 26.12.2025 Нашел на реддите интересную статью под названием Anyone know where to get a free Desktop or Laptop? Ниже её машинный перевод. После долгих разбирательств я наконец-то вернула себе. . .

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