亚洲香蕉成人av网站在线观看_欧美精品成人91久久久久久久_久久久久久久久久久亚洲_热久久视久久精品18亚洲精品_国产精自产拍久久久久久_亚洲色图国产精品_91精品国产网站_中文字幕欧美日韩精品_国产精品久久久久久亚洲调教_国产精品久久一区_性夜试看影院91社区_97在线观看视频国产_68精品久久久久久欧美_欧美精品在线观看_国产精品一区二区久久精品_欧美老女人bb

首頁 > 編程 > regex > 正文

c# 正則表達式對網頁進行有效內容抽取

2020-01-20 22:22:34
字體:
來源:轉載
供稿:網友
搜索引擎中一個比較重要的環節就是從網頁中抽取出有效內容。簡單來說,就是吧HTML文本中的HTML標記去掉,留下我們用IE等瀏覽器打開HTML文檔看到的部分(我們這里不考慮圖片).
將HTML文本中的標記分為:注釋,script ,style,以及其他標記分別去掉:
1.去注釋,正則為:
output = Regex.Replace(input, @"<!--[^-]*-->", string.Empty, RegexOptions.IgnoreCase);
2.去script,正則為:
ouput = Regex.Replace(input, @"<script[^>]*?>.*?</script>", string.Empty, RegexOptions.IgnoreCase | RegexOptions.Singleline);
output2 = Regex.Replace(ouput , @"<noscript[^>]*?>.*?</noscript>", string.Empty, RegexOptions.IgnoreCase | RegexOptions.Singleline);
3.去style,正則為:
output = Regex.Replace(input, @"<style[^>]*?>.*?</style>", string.Empty, RegexOptions.IgnoreCase | RegexOptions.Singleline);
4.去其他HTML標記
result = result.Replace(" ", " ");
result = result.Replace(""", "/"");
result = result.Replace("<", "<");
result = result.Replace(">", ">");
result = result.Replace("&", "&");
result = result.Replace("<br>", "/r/n");
result = Regex.Replace(result, @"<[/s/S]*?>", string.Empty, RegexOptions.IgnoreCase);
以上的代碼中大家可以看到,我使用了RegexOptions.Singleline參數,這個參數很重要,他主要是為了讓"."(小圓點)可以匹配換行符.如果沒有這個參數,大多數情況下,用上面列正則表達式來消除網頁HTML標記是無效的.
HTML發展至今,語法已經相當復雜,上面只列出了幾種最主要的標記,更多的去HTML標記的正則我將在
Rost WebSpider 的開發過程中補充進來。
下面用c#實現了一個從HTML字符串中提取有效內容的類:
using System;
using System.Collections.Generic;
using System.Text;
using System.Text.RegularExpressions;
class HtmlExtract
{
#region private attributes
private string _strHtml;
#endregion
#region public mehtods
public HtmlExtract(string inStrHtml)
{
_strHtml = inStrHtml
}
public override string ExtractText()
{
string result = _strHtml;
result = RemoveComment(result);
result = RemoveScript(result);
result = RemoveStyle(result);
result = RemoveTags(result);
return result.Trim();
}
#endregion
#region private methods
private string RemoveComment(string input)
{
string result = input;
//remove comment
result = Regex.Replace(result, @"<!--[^-]*-->", string.Empty, RegexOptions.IgnoreCase);
return result;
}
private string RemoveStyle(string input)
{
string result = input;
//remove all styles
result = Regex.Replace(result, @"<style[^>]*?>.*?</style>", string.Empty, RegexOptions.IgnoreCase | RegexOptions.Singleline);
return result;
}
private string RemoveScript(string input)
{
string result = input;
result = Regex.Replace(result, @"<script[^>]*?>.*?</script>", string.Empty, RegexOptions.IgnoreCase | RegexOptions.Singleline);
result = Regex.Replace(result, @"<noscript[^>]*?>.*?</noscript>", string.Empty, RegexOptions.IgnoreCase | RegexOptions.Singleline);
return result;
}
private string RemoveTags(string input)
{
string result = input;
result = result.Replace(" ", " ");
result = result.Replace(""", "/"");
result = result.Replace("<", "<");
result = result.Replace(">", ">");
result = result.Replace("&", "&");
result = result.Replace("<br>", "/r/n");
result = Regex.Replace(result, @"<[/s/S]*?>", string.Empty, RegexOptions.IgnoreCase);
return result;
}
#endregion
發表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發表
亚洲香蕉成人av网站在线观看_欧美精品成人91久久久久久久_久久久久久久久久久亚洲_热久久视久久精品18亚洲精品_国产精自产拍久久久久久_亚洲色图国产精品_91精品国产网站_中文字幕欧美日韩精品_国产精品久久久久久亚洲调教_国产精品久久一区_性夜试看影院91社区_97在线观看视频国产_68精品久久久久久欧美_欧美精品在线观看_国产精品一区二区久久精品_欧美老女人bb
91最新国产视频| 成人激情视频在线观看| 色偷偷av一区二区三区| 伊人伊成久久人综合网站| 性欧美暴力猛交69hd| 人人澡人人澡人人看欧美| 久久人人爽人人| 国产成人综合精品在线| 久久久久久久久久久成人| 成人在线一区二区| 国产日韩精品综合网站| 亚洲视频在线观看| 综合久久五月天| 国产精品中文久久久久久久| 欧美裸体xxxxx| 亚洲最大av网| 欧美成人午夜影院| 一区二区三区久久精品| 亚洲性夜色噜噜噜7777| 色综合男人天堂| 91国产美女视频| 欧美成人午夜视频| 色妞色视频一区二区三区四区| 九九热99久久久国产盗摄| 中文字幕亚洲欧美在线| 国产一区二区三区视频在线观看| 色999日韩欧美国产| 久久免费在线观看| 国产精品一久久香蕉国产线看观看| 97免费中文视频在线观看| 91国产视频在线| 蜜臀久久99精品久久久无需会员| 欧美精品18videos性欧美| 久久久久久亚洲精品不卡| 国产成人激情视频| 高潮白浆女日韩av免费看| 97视频在线免费观看| 欧美电影在线观看完整版| 亚洲国产精品系列| 欧美日韩国产一区二区| 中文国产成人精品| 91国产精品91| 欧美激情精品久久久久久久变态| 97久久精品人人澡人人爽缅北| 色综合色综合久久综合频道88| 国产精品精品一区二区三区午夜版| 欧美电影免费看| 日韩欧美在线视频| 91沈先生在线观看| 国产精品白嫩美女在线观看| 欧美主播福利视频| 福利微拍一区二区| 午夜精品久久17c| xvideos国产精品| 久久精品视频一| 亚洲另类xxxx| 国产丝袜一区视频在线观看| 亚洲国产日韩欧美综合久久| 久久免费精品视频| 欧美成人精品影院| 91国产高清在线| 国产亚洲精品一区二区| 日韩视频第一页| 全球成人中文在线| 精品国产福利视频| x99av成人免费| 欧美日韩中文字幕| 45www国产精品网站| 亚洲成人激情小说| 韩国三级日本三级少妇99| 国产精彩精品视频| 日韩电影第一页| 日韩中文字幕在线看| 久久久伊人日本| 麻豆国产va免费精品高清在线| 91久久精品日日躁夜夜躁国产| 久久男人av资源网站| 欧美激情精品久久久久久久变态| 中文字幕亚洲综合| 欧美色图在线视频| 欧美大片免费观看在线观看网站推荐| 日韩高清电影免费观看完整| 久久久久久噜噜噜久久久精品| 欧美日韩在线视频首页| 97视频在线观看成人| 欧美亚洲另类在线| 成人中文字幕在线观看| 国产深夜精品福利| 久久97精品久久久久久久不卡| 欧美国产亚洲视频| 亚洲美女视频网站| 一区二区三区亚洲| 97婷婷大伊香蕉精品视频| 欧美高清激情视频| 国产狼人综合免费视频| 国产91精品黑色丝袜高跟鞋| 成人激情在线播放| 国产精品久久久久久久久久小说| 欧美在线观看日本一区| 亚洲精品wwwww| 成人免费看片视频| 日韩美女在线播放| 韩国v欧美v日本v亚洲| 欧美韩国理论所午夜片917电影| 国产成人一区二区三区| 日韩电影免费观看在线观看| 欧美成人在线免费| 亚洲free嫩bbb| 欧美日韩一区二区三区| 91精品久久久久| 欧美中文在线观看| www.精品av.com| 51精品在线观看| 亚洲人成免费电影| 成人免费网站在线| 欧美成人激情在线| 久久视频在线看| 高清一区二区三区日本久| 亚洲女人初尝黑人巨大| 中文字幕在线成人| 欧美电影在线播放| 日韩一中文字幕| 欧美日韩国产一中文字不卡| 亚洲午夜久久久影院| 欧美性xxxxx极品| 国模gogo一区二区大胆私拍| 亚洲精品456在线播放狼人| 国产97在线|亚洲| 国产亚洲日本欧美韩国| 国产精品久久久久久久久久99| 国产91免费观看| 久久久精品免费视频| 欧美中文字幕精品| 欧美激情免费观看| 久久精品99无色码中文字幕| 懂色av中文一区二区三区天美| 国产精品久久久久一区二区| 97在线视频免费看| 久久久国产成人精品| 欧美最近摘花xxxx摘花| 欧美精品videossex性护士| 色综合视频网站| 久久精品99久久香蕉国产色戒| 九九精品在线视频| 萌白酱国产一区二区| 久久网福利资源网站| 欧美大尺度激情区在线播放| 国产在线播放91| 国产日韩在线视频| 亚洲日韩欧美视频| 成人免费在线视频网址| 国产精品久久97| 久久久精品视频成人| 午夜精品理论片| 欧美一级高清免费| 日本伊人精品一区二区三区介绍| 欧美另类极品videosbestfree| 欧美另类在线观看| 日韩天堂在线视频| 日韩亚洲第一页| 国产精品入口日韩视频大尺度| 国产丝袜精品视频| 国产一区二区三区视频在线观看| 久久国产精品久久久久久久久久|