Web Scraper - Regex Match.Value 返回字符串长度而不是字符串本身答案

【问题标题】：Web Scraper - Regex Match.Value returning string length not string itselfWeb Scraper - Regex Match.Value 返回字符串长度而不是字符串本身
【发布时间】：2012-06-03 09:13:03
【问题描述】：

我在为目前正在进行的项目配置网络抓取工具时遇到问题

我正在尝试从页面中抓取一系列链接，以评估我想要处理哪些链接。这是我的代码：

public partial class Form1 : Form
{
    private byte[] aRequestHTML;
    private string sourceString = null;
    string[] a;
    WebClient objWebClient = new WebClient();
    LinkScraper linkScraper = new LinkScraper();

    public Form1()
    {
        InitializeComponent();
    }

    private void button1_Click(object sender, EventArgs e)
    {
        ScrapeLinks(textBox1.Text);
    }


    public void ScrapeLinks(string sourceLink)
    {
        // gets the HTML from the url written in the textbox
        aRequestHTML = objWebClient.DownloadData(sourceLink);
        // creates UTf8 encoding object
        UTF8Encoding utf8 = new UTF8Encoding();
        // gets the UTF8 encoding of all the html we got in aRequestHTML
        sourceString = utf8.GetString(aRequestHTML);
        // this is a regular expression to check for the urls 
        Regex r = new Regex("\\<a\\shref\\=(.*)\\>(.*)\\<\\/a\\>");
        // get all the matches depending upon the regular expression
        MatchCollection mcl = r.Matches(sourceString);

        a = new string[mcl.Count];
        int i = 0;
        foreach (Match ml in mcl)
        {
            // Add the extracted urls to the array list
            a[i] = ml.ToString();
            Console.WriteLine(a[i]);
            i++;
        }

        dataGridView1.DataSource = a;
        // binds the databind

        // The following lines of code writes the extracted Urls to the file named test.txt
        StreamWriter sw = new StreamWriter("test.txt");
        foreach (string aElement in a)
        {
            sw.Write(aElement + "\n");
        }
        sw.Close();
    }
}

我的问题来自设置我的数据网格数据源。不是用字符串列表填充数据网格，而是用每个字符串长度填充。正如您将看到的，我有一个 test.txt 文件写出来，看看我是否在做一些愚蠢的事情，但文本文件包含每个字符串，因为我希望在数据网格中看到它

我已经在论坛上搜索了 12 小时以寻求解决方案，但没有任何乐趣

有人可以告诉我为什么 .Value 没有将我的字符串返回到字符串数组 'a' 以绑定到数据网格吗？

我们一如既往地非常感谢任何帮助

问候巴里

【问题讨论】：

标签： regex datagridview screen-scraping match

【解决方案1】：

刚刚找到解决方案的人

DataGridView 显示它可以为字符串找到的第一个属性，即它的长度属性解决方法是使用 DataTable

 DataTable links = new DataTable();
 links.Columns.Add("Link URL");

 foreach (Match ml in mcl)
 {
   // Add the extracted urls to table
   links.Rows.Add(new object[] {ml.Value});
 }

【讨论】：

【解决方案2】：

您可以将页面转换为 XML，然后使用 XPath 和 JavaScript 的 E4X 来简化。

查看 Script Scraper 我所做的。

谢谢，马丁

【讨论】：