TRegExp и парсинг HTML

← →
NIIL (2009-07-03 12:10) [0]

Всем доброго дня. Есть необходимость пропарсить кусок HTML. Загружать через TWebBrowser и далее ковырять DOM нет возможности. Исп. стандартные стредства типа Pos то же не улыбвает.
Нашел замечательный класс TRegExp, к сожалению найти инф. о регулярных выр. для него не могу. Нужно из куска html сначала вытащить текст между <Table> </Table>, далее <Tr> </Tr> и т.п. Подскажие выражение для поиска первого с учетом того, что открывающий тег может иметь еще параметры объекта, но все равно закрывается ">" и без учета регистра по тегам. Заранее спасибо.

← →
Palladin © (2009-07-03 12:11) [1]

> Исп. стандартные стредства типа Pos то же не улыбвает.

чем же интересно?

← →
NIIL (2009-07-03 12:16) [2]

Слишком много придеться учитывать и фильтровать, да и смысл когда это уже написано в этом классе

← →
Palladin © (2009-07-03 12:17) [3]

а что там нужно учитывать? таблица одна?

← →
NIIL (2009-07-03 12:18) [4]

Нет не одна, точнее в том куске может быть их несколько и могут идти с разрывом.

← →
Kolan © (2009-07-03 12:19) [5]

> к сожалению найти инф. о регулярных выр. для него не могу

http://regexpstudio.com/

← →
NIIL (2009-07-03 12:21) [6]

Читал. Пытаюсь вот так для строки, но не выходит:<TR[^>]*[</TR>]*>

← →
Palladin © (2009-07-03 12:22) [7]

и тебе они все нужны?

← →
NIIL (2009-07-03 12:23) [8]

На самом деле пытаюсь парсить не полные таблицы, а их строки, а потом их ячейки

← →
Сергей М. © (2009-07-03 12:26) [9]

> найти инф. о регулярных выр. для него не могу

Как это так ?
Класс этот поставляется разработчиком вместе со вполне внятной справкой в chm-формате .. Куда она у тебя потерялась ?)

← →
NIIL (2009-07-03 12:31) [10]

У меня она идет с небольшой справкой hlp формата в которой я не смог найти упоминания о способе получения текста между 2-мя искомыми выражениями. В сети нашел подобное упоминание <TR>(.+)</TR>, но оно к сожалению не проходит. Результат получаю в Match[0] - пуст после выполнения

← →
Kolan © (2009-07-03 12:46) [11]

<TR>(.+)</TR> должно работать, только надо экранировать спец. символы, например: знак «/».

← →
Сергей М. © (2009-07-03 12:47) [12]

А, вру .. действительно в формате hlp ..

procedure TForm1.Button5Click(Sender: TObject); const s: String = "<tr>Всякая хрень</tr>"; var RegExpr: TRegExpr; begin RegExpr := TRegExpr.Create; RegExpr.ModifierI := True; RegExpr.Expression := "<TR>(.+)</TR>"; if RegExpr.Exec(s) then ShowMessage(RegExpr.Match[1]); end;

← →
NIIL (2009-07-03 12:48) [13]

Kolan © Можно поподробнее...
Вот так: <TR>(.+)<"/"TR> или для экранирования в TRegExp свои служ. символы?

← →
NIIL (2009-07-03 12:54) [14]

Понял в чем проблема. Выражение не парсило так как в html коде идет <TR class=...> Как можно расширить условия поиска 1-й метки до символа ">"

← →
clickmaker © (2009-07-03 12:57) [15]

> Как можно расширить условия поиска 1-й метки до символа
> ">"

так же как и между > и <

← →
NIIL (2009-07-03 13:07) [16]

<TR(.+)>(.+)</TR> - возвращает всю строку от первого вхождения <TR до последнего </TR>, а мне нужно до первого закрытия, ограничить режим жадности, как это написано в мануале и еще хотелось бы получить текст без вхождения поисковых тегов

← →
NIIL (2009-07-03 13:11) [17]

С Жадностью разобрался

← →
NIIL (2009-07-03 13:16) [18]

Все, вроде разобрался! Спасибо всем кто учавствовал

← →
NIIL (2009-07-03 14:37) [19]

И еще. Подскажите перебрать все включения можно через Match[i] или же через ExecNext. При использовании последнего вылетает ошибка отсутсвия процедуры ExecPos. Не понятно как с ней работать.

примерно так:
procedure GetIPList(Str, RegStr: String; LB: TListBox); var RE: TRegExpr; Ulist: TStrings; i: Integer; begin RE:=TRegExpr.Create; Ulist:=TStringlist.Create; try RE.Expression:=RegStr; if ExecRegExpr(RegStr,Str) then if RE.Exec(Str) then begin repeat LB.Items.Add( RE.Match[0] ); until not RE.ExecNext; end; finally RE.Free; Ulist.Free; end; end;

> NIIL (03.07.09 14:37) [19]

ExecNext() возвращает новый список Match[]

TRegExp и парсинг HTML Найти похожие ветки