首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >如何编写REGEX从HTML中提取信息

如何编写REGEX从HTML中提取信息
EN

Stack Overflow用户
提问于 2013-12-11 22:46:15
回答 2查看 77关注 0票数 0
代码语言:javascript
复制
<div data-feature-name="title">
    <h1 id="title">
        Give and Take: A Revolutionary Approach to Success
    </h1>

    <span class="author" font-size: 13px; line-height: 17.328125px;" >
    Adam M. Grant Ph.D.
    </span>
</div>

<div data-feature-name="averageCustomerReviews">
    <a href="/Give-Take-Revolutionary-Approach-Success/product-reviews/0670026557/ref=dp_top_cm_cr_acr_txt?showViewpoints=1" >
        183 customer reviews
    </a>
</div>

<div>
    <ul>
        <li>
            <span>
                <span>Kindle</span>
                <span>
                    <span>$11.99</span>
                </span>
            </span >
        </li>

        <li>
            <span>
                <span>Hardcover</span>
                <span>
                    <span>$16.50</span>
                </span>
            </span>
        </li>

        <li>
            <span>
                <span>Paperback</span>
                <span>
                    <span>$12.65</span>
                </span>
            </span>
        </li>

        <li>
            <span>
                <span>Audible</span>
                <span>
                    <span>
                        $23.95
                    </span>
                </span>
            </span>
        </li>
    </ul>
</div> 

如何编写REGEX表达式来提取以下内容:书名、作者和书评数量。

另外,我该如何为此编写roadrunner算法呢?

EN

回答 2

Stack Overflow用户

发布于 2013-12-11 22:48:38

您不应该使用regex来提取html。使用一个库来遍历xml/html。

票数 0
EN

Stack Overflow用户

发布于 2013-12-11 22:57:11

您不能出于一般目的来解析HTML。

但是,如果您打算解析特定的站点(如果您正在编写特定的爬虫程序),则可以尝试执行以下操作

对于标题:

/id="title"[^>]*>([^<]*?)<\/h1>/

对于作者:

/class="author"[^>]*>([^<]*)</

对于审阅编号:

/(\d+)\s*customer review/

当然,许多情况下都会破坏它们。如果您想要处理这些情况,那么您确实需要一个解析器

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/20522142

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档