利用正则表达式获取博客园随笔（一）

　　晚上起先和朋友们跑步去了，然后回来之后洗了个澡，打开VS新建项目发现都会弹出一个问题

/// <summary>
/// 根据网址获取页面源码
/// </summary>
/// <param name="url"></param>
/// <returns></returns>
public string GetHtml(string url)
{
string ContentHtml = "";
try
{
HttpClient hc = new HttpClient();
hc.Url = url;
if (!hc.Url.Contains("http://"))//如果输入的网址没有包含http:// 则手动添加
{
hc.Url = "http://" + hc.Url;
}
ContentHtml = hc.GetString();
}
catch (Exception e)//如果上面的执行出错，则返回继续执行
{
return GetHtml(url);
}
return ContentHtml;
}

View Code
　　然后再观察每条随笔的规律，我们发现没条的开头是<div class="post_item_body">，结尾是<div class="clear">，那我们就可以根据这个规律来写出正则：Regex regexContent = new Regex("<div class=\"post_item_body\">(?<content>.*?)<div class=\"clear\"></div>",RegexOptions.Singleline);
然后可以使用这个正则来获取我们需要匹配的内容了

　　　　　　 string Html= GetHtml("http://www.cnblogs.com/");
Regex regexContent = new Regex("<div class=\"post_item_body\">(?<content>.*?)<div class=\"clear\"></div>",RegexOptions.Singleline);
string blog = regexContent.Match(Html).Groups["content"].Value.ToString();

在这里我用到的正则匹配工具是Expresso,有需要的朋友可以留言。当然，如果我有什么地方写的不好的，欢迎各位指出。晚上就先到这里了，该洗洗睡了。