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

2020-03-16 21:17:15
字體:
來源:轉載
供稿:網友
本問主要總結了用正則表達式對網頁進行有效內容提取的具體實現方法,并給出了c#代碼
 
 
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
亚洲欧美精品在线| 性日韩欧美在线视频| www.色综合| 久久国产加勒比精品无码| 国产成人自拍视频在线观看| 久久精品久久久久电影| 色妞一区二区三区| 久久精品亚洲精品| 亚洲天堂av女优| 国产精品爽爽爽爽爽爽在线观看| 最新91在线视频| 国产精品男女猛烈高潮激情| 日韩亚洲一区二区| 伊人久久五月天| 九九精品视频在线观看| 美女999久久久精品视频| 国产精品美女久久久久久免费| 亚洲精品中文字| 国产不卡一区二区在线播放| 国产精品视频xxx| 综合136福利视频在线| 国内精品久久久久久久| 国内精久久久久久久久久人| 国产成人av网| 欧美精品一区二区三区国产精品| 欧美午夜www高清视频| 日韩高清不卡av| 欧美风情在线观看| 亚洲欧美日本精品| 欧美最猛性xxxxx亚洲精品| 亚洲激情 国产| 欧美激情aaaa| 亚洲理论电影网| 日韩中文字幕在线播放| 日韩成人激情影院| 亚洲变态欧美另类捆绑| 欧美激情a∨在线视频播放| 九九热精品视频国产| 日韩精品视频在线播放| 一区二区三区视频观看| 97视频在线免费观看| 蜜月aⅴ免费一区二区三区| 怡红院精品视频| 国产成人精品视| 日韩在线中文字| 亚洲欧美国产高清va在线播| 在线观看欧美日韩| 欧美日韩国产精品一区二区不卡中文| 自拍偷拍亚洲区| 不卡av日日日| 久久精品国产一区二区三区| 2019亚洲男人天堂| 亚洲黄色www| 亚洲欧美日韩一区二区在线| 久久精品视频网站| 久久久久中文字幕2018| 久久久国产精品免费| 91av中文字幕| 亚洲性夜色噜噜噜7777| 亚洲第一综合天堂另类专| 国产视频精品va久久久久久| 麻豆国产精品va在线观看不卡| 国产视频精品xxxx| 尤物九九久久国产精品的分类| 日韩欧美主播在线| 日本韩国欧美精品大片卡二| 欧美精品少妇videofree| 成人性生交xxxxx网站| 久久精品美女视频网站| 欧美在线日韩在线| 欧美精品免费播放| 亚洲国产高清自拍| 国产精品福利久久久| 久久精品美女视频网站| 国产成人91久久精品| 91精品国产91久久久久福利| 精品久久久久久中文字幕大豆网| 欧美激情区在线播放| 日韩美女在线播放| 亚洲精品狠狠操| 91在线精品视频| 欧美成年人视频| 亚洲护士老师的毛茸茸最新章节| 国产亚洲精品一区二区| 久久影院中文字幕| 97免费中文视频在线观看| 亚洲国产精品人久久电影| 精品福利樱桃av导航| 亚洲石原莉奈一区二区在线观看| 久久天天躁狠狠躁夜夜爽蜜月| 中文字幕视频在线免费欧美日韩综合在线看| 久久青草精品视频免费观看| 国产精品极品美女在线观看免费| 欧美精品一区二区免费| 亚洲大胆人体av| 国产成人一区二区三区小说| 国产精品免费一区豆花| 亚洲人成在线观看| 欧美激情中文字幕乱码免费| 日韩欧美一区二区三区| 国语自产精品视频在免费| 97久久精品人人澡人人爽缅北| 欧美精品videos性欧美| 久久亚洲国产精品成人av秋霞| 欧美日韩第一视频| 欧美性生交大片免网| 色哟哟亚洲精品一区二区| 亚洲国产欧美精品| 亚洲国产精品嫩草影院久久| 久久久91精品国产一区不卡| 国产成人精品a视频一区www| 欧美激情亚洲视频| 91国产美女在线观看| 91社影院在线观看| 亚洲影院在线看| 美女精品久久久| 久久综合色影院| 亚洲欧洲免费视频| 国产精品久久久久久久一区探花| 日韩一中文字幕| 成人黄色在线免费| 精品久久久久久| 欧美巨大黑人极品精男| 热门国产精品亚洲第一区在线| 免费91麻豆精品国产自产在线观看| 国产亚洲一区二区精品| 日韩av手机在线观看| 国产日韩欧美视频在线| 91亚洲永久免费精品| 亚洲欧美日韩第一区| 超碰精品一区二区三区乱码| 国产日韩欧美日韩| 色偷偷91综合久久噜噜| 大荫蒂欧美视频另类xxxx| 亚洲欧洲国产精品| 亚洲成av人影院在线观看| 日韩有码在线电影| 久久久国产一区| 俺去了亚洲欧美日韩| 国产欧美日韩丝袜精品一区| 欧美国产激情18| 久久免费观看视频| 国产精品久久久久久久天堂| 成人午夜激情网| 久久久久国产精品免费网站| 国产小视频91| 国产一区二区香蕉| 精品国偷自产在线视频99| 2019精品视频| 成人av电影天堂| 日韩av电影免费观看高清| 亚洲影影院av| 欧美激情亚洲精品| 亚洲最大激情中文字幕| 日韩av在线导航| 欧美性猛交xxxx免费看漫画| 美女黄色丝袜一区| 亚洲国产成人久久| 久热精品视频在线观看一区| 热门国产精品亚洲第一区在线| 欧美成在线观看| 精品国产一区二区三区久久狼5月| 国产欧美日韩综合精品| 国产精品一区二区久久|