1

我一直在寻找一个 reg 表达式来将 html 元素分成 2 部分。首先是价格，其次是下载次数。这是我的 HTML，这是我尝试使用的 reg 表达式。我正在使用刮板程序，所以我不能使用 java-script 或 jQuery。

HTML：

<h2>$850 / 3Downlaods - Software Name</h2>

Re Expression 之前使用过 Marker：

/$\/\s*/

Re Expression used Marker After：

/\/\

这应该只返回 850。没有美元符号。我坚持如何开始和结束下载次数。我需要另一组之前和之后的正则表达式来拉取下载次数。还要排除“下载”一词。

我使用的程序是 OutWit Hub Scraper Link to docs

4

2 回答 2

1

<h2>如果在（更复杂的）两个()捕获组中没有其他嵌套标签，则/应该这样做：

/<h2>\s*\$(\d+)\s*\/\s*(\d+)\s*Downloads.+?<\/h2>/

这分解为<h2>，可选的空格\s*，，要捕获$的一些数字，更多的可选空格，要捕获的一组数字，更多可选的空格之前，任何字符（非贪婪）直到结束。(\d+)/Downloads</h2>

如果价格部分还可能包含,.该(\d+)组，则可以替换为([0-9.,]+)（或者更具体地，以确保它,在必要时不以开头，例如）

/<h2>\s*\$([0-9,.]+)\s*\/\s*(\d+)\s*Downloads.+?<\/h2>/

关于使用正则表达式解析 HTML 的常见警告适用于此处。这只有在您的 HTML 输入相当可预测并且在<h2>.

于 2012-08-01T20:20:38.880 回答
1

试试这个：(?:.*\$)(\d+(?:\.\d+)?).*(\d+)(?:\s*Downloads.*)

这是发生了什么：

(?:.*\$)- 捕获并丢弃标签的开头，一直到它在美元符号后找到的第一个数字

(\d+(?:\.\d+)?)- 捕获美元金额（包括美分）

.*- 两个数字之间的任何废话

(\d+)- 下载次数

(?:\s*Downloads.*)- 标签的其余部分

我希望这会有所帮助！

于 2012-08-01T20:29:37.940 回答