[C#][固定格式网页解析]使用正则表达式处理网页的初步体会

用IE WebControl解析网页得到特定网页中的特定数据： Set oDocument = Form2.m_IE.Document
Set oelement = oDocument.Forms("searchdetail")

Set oListTableElement = oelement.children(0).children(0)这样的好处是简单，但坏处是：如何读取以及节点值究竟是什么含意这些信息，不太好抽取出来放到外面，作为灵活配置的文件。因为它属于一个Childnodes一个Childnodes这么遍历的，无法灵活设定深度以及含义。 又体验了一把正则表达式，专门处理了特定站点HTML，由于我要处理的页面中总包含某些的固定代码。 发现下面的式子可以把一系列值解析到一个又一个的MatchCollection中。我用的是"The Regulator"工具，试验结果如下： 也就是Collection“hiddentonenames”总是XX名的集合，按序排列；Collection“hiddenspnames”总是XX名的集合，按序排列；以此类推。 在C#中，可以用如下代码得到各个集合的值：foreach(Match match in matchCollection){ Group groupToneNames = match.Groups["hiddentonenames"]; Group groupSpNames = match.Groups["hiddenspnames"]; Group groupSingers = match.Groups["hiddensingers"];} 这样，我可以针对这各种门派的Portal风格写出专门的正则表达式，但让他们输出的Collections名字都是一样的，从而让获取一个铃声的各个字段的代码固定下来。以后更新，只需要修改各个门派的正则表达式即可。 另外非常感谢王辉的《Web页面爬行实践》精彩文章！

Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=107090