Regex,MatchCollection,Groups
原文:http://blog.youkuaiyun.com/metababy/archive/2007/01/07/1476406.aspx
2. 正则表达式
分析帖子列表的html源代码,可以发现显示帖子的html格式如下:
<a href="/Expert/TopicView1.asp?id=帖子ID" target="_blank">帖子标题</a>
</td>
<td align="right">用户</td>
<td width="30" align="right">分数</td>
<td width="30" align="right">回复</td>
<td width="80" align="right">时间</td>
这样,就可以建立如下的正则表达式:
string strRegex =
@"<a[^<]*TopicView1.asp[^<]*id=(?<ID>[^<]*)""[^<]*target[^<]*>(?<topic>[^<]*)</a>[^<]*</td>[^<]*<td[^>]*>(?<user>[^<]*)</td>[^<]*<td[^>]*>(?<Points>[^<]*)</td>[^<]*<td[^>]*>(?<Replies>[^<]*)</td>[^<]*<td[^>]*>(?<ReplayTime>[^<]*)</td>";
小知识:什么是正则表达式?
正则表达式,就是用某种模式去匹配一类字符串的一个公式。正则表达式提供了功能强大、灵活而又高效的方法来处理文本。正则表达式的全面模式匹配表示法可以快速分析大量文本以找到特定的字符模式;提取、编辑、替换或删除文本子字符串;或将提取的字符串添加到集合以生成报告。
然后,通过Match对象就很容易得到帖子的相关信息。代码如下:
Regex r;
MatchCollection m;
r = new Regex(strRegex, RegexOptions.IgnoreCase);
m = r.Matches(strHTML);
for (int i = 0; i < m.Count; i++)
{
Topic t = new Topic(m[i].Groups["ID"].Value
, m[i].Groups["topic"].Value
, m[i].Groups["user"].Value
, m[i].Groups["Points"].Value
, m[i].Groups["Replies"].Value
, m[i].Groups["ReplayTime"].Value);i
}
这里,我建了一个Topic类去保存帖子的各项属性,以方便对帖子列表显示进行控制。比如对于新贴子用一个特别的图标表示:
if (int.Parse(t.Replies) == 0)
item1.ImageKey = "NewTopic";