Hi! Mam taki problem: Podglądam stronę w FF (CTRL+U) i jest w miarę OK uporządkowana, widać co jest co i gdzie co jest. Natomiast po zapisaniu źródła strony do pliku txt / html dostaję taki śmietnik, że nie mogę nic znaleźć, nie mówiąc o jakiejkolwiek próbie analizowania tego. A potrzebuje pewne dane wyciągnąć z tej strony przy użyciu Visual Studio Express C# 2010. Jak sobie radzicie z takim problemem? Czy jest może jakieś rozszerzenie C# który by porządkował kod, robił wcięcia, itd.?
GROMek
Zapisujesz pewnie stronę przez "Plik" -> "Zapisz jako", a to w gruncie rzeczy modyfikuje kod, podmieniając ścieżki, tak, by strona działała w miarę poprawnie lokalnie itd.
Nie potrzebujesz tak naprawdę ładnie sformatowanej strony. Masz dwie opcje. Jeżeli nie potrzebujesz parsować całej strony, a chcesz wyciągnąć z niej pewne wartości, najlepiej będzie użyć wyrażeń regularnych (regex). Druga to użycie parsera XML i dalej dostęp do elementów drzewa DOM przez XPath, Linq itd. Minus tego drugiego rozwiązania jest taki, że każdy błąd składniowy wyłoży ci parser; nie jest tak wyrozumiały jak przeglądarki.
Więc w twoim przypadku potraktowałbym źródło strony jako tekst i użył regexpów.
Regex + HTML = kupa
Polecam: http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454
Hi!
Wyrażenia regularne to czarna magia dla mnie. Wole skorzystać chyba z wyszukiwania ciągów stringów, itp. Ale dzięki za feedback!
GROMek
While it is true that asking regexes to parse arbitrary HTML is like asking Paris Hilton to write an operating system, it's sometimes appropriate to parse a limited, known set of HTML.
Nikt nie chce tutaj przecież pisać parsera HTML przy użyciu wyrażeń regularnych, tylko wyciągnąć kilka wartości ze znanego kodu. Nie widzę powodów dlaczego mielibyśmy nie użyć w tym wypadku regexów.
OK. Mam linie typu:
Tak bedzie lepiej:
<li><a href="http://www.Excel4You.pl/Excel-2003/" title="Tabele przestawne bla bla bla........................">Excel - lekcja 232</a></li>
Jakimi wyrażeniami regularnymi wyciągnę adres i anchor ? Pomoże ktoś? Dzięki!
GROMek
<li><a href="(?<url>.*?)" title=".*?">(?<text>.*?)</a></li>
Anchor co? Anchor to jest element a.
Hi!
Działą bezbłędnie !!! :) SUPER. Dzięki wielkie!
Wpisałeś to z głowy, czy korzystając z jakiegoś softu wspomagającego? (wiem, wiem - w Google jest wszystko :)).
GROMek