Cześć ,
pisze ponieważ nie mogę się dokopać w internetach do jakiegoś sensownego przykładu ,który pokazał by w ogóle coś sensownego :P.
Chce wyciągnąć dane z pomiędzy znaczników HTML np. div a /div?
Przepraszam że w takiej formie ale nie wyświetla mi znaczników html,macie w swoich zasobach coś co by mi pomogło ?
Nie bardzo rozumiem pytanie. <\w+>(.*?)</\w+>
http://ideone.com/32Sbj3
Chodził mi o wzorzec który wyciągnął by mi dane z pomiędzy dwóch znaczników html :) tylko tyle .. Nie moge sie odnaleźć w internacie..:p ps. Jak nauczyć sie w jakiś sensowny sposób wyrazem regularnych
No to wyżej masz odpowiedni kod. Możesz ewentualnie zamienić \w+ na konkretny znacznik.
Jakbyś chciał sobie sprawdzić poprawność wyrażenia, to polecam: http://www.regexplanet.com tam w menu Testing wybierasz język. Niestety nie mają C++, ale wybierz sobie jakiś inny język i też będzie ok.
Tylko uważaj, bo w niektórych przypadkach są różnice między językami.
A tak na marginesie, to lepszy od regexów będzie dla ciebie jakiś parser html.
Najlepiej skorzystać z Selenium albo WatiN.
A co do wyrażanie regularnego: <\(w+)>([^<]*)</\1>
Można tego dokonać np tak:
#include <iostream>
#include <regex>
#include <iterator>
int main(){
std::string html_string =
"<div>emty: </div><html>\n\t<head>\n\t\t<title>Title</title>\n\t</head>\n"
"\t<body>\n"
"\t\t<div>Some text :(@*#D(*<#9382ue92d<>j,.<,.as>doij</div>\n"
"<div>second text: ksjdla</div>"
"\t</body>\n</html><div>numer : 123456789 </div>";
std::cout << html_string << std::endl;
std::regex get_div_expression("<div>(.*?)</div>"); //expression
std::smatch match; //container to which we collect data
for(std::string::const_iterator start = html_string.cbegin(); //start C iterator
std::regex_search(start,html_string.cend(),match,get_div_expression); //search and match pattern
std::advance(start,match.str(1).size() + match.prefix().str().size())){ //add len prefix and size match
std::cout << "We get: " << match.str(1) << std::endl; //print
}
}
Tutaj wycinasz niezachłannym operatorem ".*?" wszystko pomiędzy
Wesoły Kot napisał(a):
Można tego dokonać np tak:
#include <iostream> #include <regex> #include <iterator> int main(){ std::string html_string = "<div>emty: </div><html>\n\t<head>\n\t\t<title>Title</title>\n\t</head>\n" "\t<body>\n" "\t\t<div>Some text :(@*#D(*<#9382ue92d<>j,.<,.as>doij</div>\n" "<div>second text: ksjdla</div>" "\t</body>\n</html><div>numer : 123456789 </div>"; std::cout << html_string << std::endl; std::regex get_div_expression("<div>(.*?)</div>"); //expression std::smatch match; //container to which we collect data for(std::string::const_iterator start = html_string.cbegin(); //start C iterator std::regex_search(start,html_string.cend(),match,get_div_expression); //search and match pattern std::advance(start,match.str(1).size() + match.prefix().str().size())){ //add len prefix and size match std::cout << "We get: " << match.str(1) << std::endl; //print } }Tutaj wycinasz niezachłannym operatorem ".*?" wszystko pomiędzy
a.
For jest znacznie przeładowany, nic nie stoi na przeszkodzie aby go trochę rozbić.</p>
Sprawdziłem twój kod,działa na prawdę świetnie i szybko
#include <iostream>
#include <curl/curl.h>
#include <fstream>
#include <regex>
#include <string>
using namespace std;
fstream plik1;
string tekst;
plik1.open("kodHTML.txt",std::ios::in);
string wynik; // Dane z pliku1 przechytuje ta zmienna
smatch dopasowanie; //wynik dopasowania
regex wzorzec("<tbody>(.*?)</tbody>");
while(!plik1.eof())
{
//getline(basic_istream<char>&, string&, char)
getline(plik1,wynik);
if(regex_search(wynik,dopasowanie,wzorzec))
{
cout <<wynik[0]<<endl;
}
}
return 0;
}
Czu umiecie mi wyjaśnić co to za typ danych smatch i czemu wynik dopasowania muszę wyświetlić z indexem 0 [0]?
Jedno zaznaczenie. To tylko prosty przykład i nie działa dla zagnieżdżonych znaczników.
Czyli zadziała dla
<div>cokolwiek</div>
ale dla
<div> cos <div> cos2 </div></div>
Wytnie nie tak jak trzeba.
Smatch to klasa przechowująca dopasowania. W kolejnych polach tej klasy (do których masz dostęp za pomocą operatora[]), są umieszczone dane po dopasowaniu kolejno po nawiasach ze wzorca.
Okej , zatem zapytam już bezpośrednio Ciebie :) . Czy wiesz lub masz jakąś koncepcję jak to ugryźć ;)?
pain368 napisał(a):
Okej , zatem zapytam już bezpośrednio Ciebie :) . Czy wiesz lub masz jakąś koncepcję jak to ugryźć ;)?
Dostałeś rozwiązanie na tacy.
Teraz robisz sobie graf jak w javascript DOM,
Rekurencyjnie wewnątrz znacznika szukasz znacznika, jak najgłębiej znajdzie, jak regex nie znajdzie, to masz koniec odnóża grafu, wracasz wyżej i szukasz dalej.
Aż do przeczesania dokumentu.
Okej , przepraszasz :) .Myślałem że jest jakiś inny sposób .. wolałem się upewnić .. zatem działam !!!
Hej , zrobiłem wczoraj mapę tej strony i wygląda ona tak :)
string kodHTML="<html>\
<body>\
<div>\
<p>\
<table>\
<tbody>\
<tr>\
<td>\
<img>ikona flagi państwa</img>\
<\td>\
<td>Dolar<td>usd<td>kurs/sprzedaz<td>kurs/skup\
</tr>\
</tbody>\
</table>\
</p>\
</div>\
</body>";
I tu mam pytanie.. dziwi mnie fakt że znaczniki w kodzie strony nie są zamykane ,mam na myśli linie w której jest kolejno: Dolar,usd,kurs/sprzedaż,kurs/skup(oczywiście dwa ostatnie to liczby typu float)
Sprawdzałem dokładnie w Np++ ,ale nie znalazłem żadnego domknięcia .
Chwilowo muszę spróbować dopasować wyrażenie pod ten szablon , potem będę robił to już pod stroną z której pobierałem kod źródłowy .
Pytanie co do tego szablonu .. Czy znak \ jest widoczny dla wyrażenia regularnego ,czy tylko jest traktowany jak coś typu end of line
HTML nie jest językiem regularnym, więc nie da się go sparsować wyrażeniami regularnymi (ktoś tu już pokazywał problem z zagnieżdżonymi znacznikami). Trzeba użyć odpowiedniej biblioteki, która sparsuje tekst do drzewa DOM, np. https://github.com/lexborisov/myhtml