C#解析网页的源代码答案

【问题标题】：C# Parsing a webpage's sourceC#解析网页的源代码
【发布时间】：2010-10-09 07:00:38
【问题描述】：

在作为页面来源的文本墙中；我需要得到不带引号的 video_id,l 和 t，所以对于这样的部分。

“video_id”：“lUoiKMxSUCw”，“l”：105，“sk”：“-2fL6AANk__E49CRzF6_Q8F7yBPWdb9QR”，“fmt_map”：“35/640000/9/0/115,34/0/9/0/115 ,5/0/7/0/0", "t": "vjVQa1PpcFMbYtdhqxUip5Vtm856lwh7lXZ6lH6nZAg=",

我需要以下内容

lUoiKMxSUCw

105

vjVQa1PpcFMbYtdhqxUip5Vtm856lwh7lXZ6lH6nZAg=

有人告诉我使用“正则表达式”，但我不确定如何使用它们。任何帮助都会很好:)

【问题讨论】：

标签： c# .net asp.net regex data-mining

【解决方案1】：

我认为这个网站适合学习，但如果您希望代码完成您的工作，对不起..

这看起来是一个好的开始：Regular Expressions Usage in C#

而且this site 也很有帮助

【讨论】：

【解决方案2】：

如果顺序总是相同的，你可以使用这个正则表达式：

"video_id"\s*:\s*"([^"]*)"\s*,\s*"l"\s*:\s*(\d+)\s*(?:,\s*"[^"]*"\s*:\s*"[^"]*"\s*)*,\s*"t"\s*:\s*"([^"]*)"

否则，您应该获取列表中的每个条目，然后从中挑选出您需要的条目。

【讨论】：

【解决方案3】：

要使用的正则表达式可以是：

\"video_id\":\s*\"(?<videoID>.*?)\"(?:.*?)\"l\":\s*(?<l>.*?),(?:.*?)\"t\":\s*\"(?<t>.*?)\"

这里有一些示例代码可以帮助您启动和运行：

string sample = "\"video_id\": \"lUoiKMxSUCw\", \"l\": 105, \"sk\": \"-2fL6AANk__E49CRzF6_Q8F7yBPWdb9QR\", \"fmt_map\": \"35/640000/9/0/115,34/0/9/0/115,5/0/7/0/0\", \"t\": \"vjVQa1PpcFMbYtdhqxUip5Vtm856lwh7lXZ6lH6nZAg=\",";
string regPattern = "\\\"video_id\\\":\\s*\\\"(?<videoID>.*?)\\\"(?:.*?)\\\"l\\\":\\s*(?<l>.*?),(?:.*?)\\\"t\\\":\\s*\\\"(?<t>.*?)\\\"";
Regex reg = new Regex(regPattern, RegexOptions.Singleline);
if (reg.IsMatch(sample))
{
    Match m = reg.Match(sample);
    GroupCollection gColl = m.Groups;
    Console.WriteLine("VideoID:{0}", gColl["videoID"].Value);
    Console.WriteLine("l:{0}", gColl["l"].Value);
    Console.WriteLine("t:{0}", gColl["t"].Value);
}

不要忘记导入“System.Text.RegularExpressions”。 ;-)

【讨论】：

小心分解提供的代码，以便我了解是什么使它更有效。