Простой вопрос о регулярных выражениях (включая регулярные выражения)

Question

У меня есть эти строки в потоке строк:

"do=whoposted&amp;t=1934067" rel=nofollow>61</A></TD><TD class=alt2 align=middle>5,286</TD></TR><TR><TD id=td_threadstatusicon_1911046 class=alt1><IMG id=thread_statusicon_1911046 border=0 alt="" src="http://url.com/forum/images/statusicon/thread_new.gif"> </TD><TD class=alt2><IMG title=Film border=0 alt=Film src="http://url.com/forum/images/icons/new.png"></TD><TD id=td_threadtitle_1911046 class=alt1 title="http://lulzimg.com/i14/7bd11b.jpg &#10; &#10;Complete name : cool-thread.."><DIV><A id=thread_gotonew_1911046 href="http://url.com/forum/f80/cool-topic-new/"><IMG class=inlineimg title="Go to first new post" border=0 alt="Go to first new post" src="http://url.com/forum/images/buttons/firstnew.gif"></A> [MULTI] <A style="FONT-WEIGHT: bold" id=thread_title_1911046 href="http://url.com/forum/f80/cool-topic-name-1911046/">Cool Topic Name</A> </DIV><DIV class=smallfont><SPAN style="CURSOR: pointer" onclick="window.open('http://url.com/forum/members/u2031889/', '_self')">m3no</SPAN> </DIV></TD><TD class=alt2 title="Replies: 11, Views: 1,554"><DIV style="TEXT-ALIGN: right; WHITE-SPACE: nowrap" class=smallfont>Today <SPAN class=time>08:04 AM</SPAN><BR>by <A href="http://url.com/forum/members/u1131830/" rel=nofollow>karetsos</A> <A "

В настоящее время я использую это:

Regex pattern = new Regex ( "<A\\s+href=\"([^\"]*)\">([^\\x00]*?)\\s+id=thread_title_(\\S+)</A>" );

MatchCollection matches = pattern.Matches ( doc.ToString ( ) );

foreach ( Match match in matches )
{
    int id = Convert.ToInt32 ( match.Groups [ 1 ].Value );

    string name = match.Groups [ 3 ].Value;
    string link = match.Groups [ 2 ].Value;

    ...
}

Но это ничего не соответствует.

Все, что я пытаюсь извлечь, это:

ID: 942321, 512147.

Имена: "Visible Thread Name", "Cool Thread"

Ссылки: "http://url.com/forum/f80/new-topic-name-942321", "http://url.com/forum/f80/cool-topic-name-512147"

Есть идеи как это исправить?

Answer 1

Список найденных проблем:

• По умолчанию регулярные выражения чувствительны к регистру (a! = A).Одним из возможных решений является передача RegexOptions.IgnoreCase в качестве второго параметра вашему конструктору Regex.

• id=thread... вы, похоже, пропускаете открытие " после id

• После сопоставления идентификатора вы внезапно останавливаетесь ... разве вы не хотите сопоставить имя и в третьей группе?Я предполагаю, что ваше регулярное выражение должно заканчиваться так:

  id=\"thread_title_([0-9]+)\">([^<]+)</a>
  

• О, и не закрывайте тег a после href, потому что thread_title_id все еще находится внутри тега:

  href=\"([^\"]*)\">: удалить > в конце

• Кроме того, удалить странную группу [^\\x00]*?.Чем это все равно хорошо?

• После захвата thread_title_id вам нужно игнорировать вещи до закрытия >, чтобы игнорировать атрибут style=....

---

Полное решение (предупреждение, спойлер впереди).Синтаксис @"..." гарантирует, что вам не нужно избегать обратной косой черты (но вы должны избегать кавычек двойными кавычками).

Regex pattern = new Regex (@"<a\s+href=""([^""]*)""\s+id=""thread_title_([0-9]+)""[^>]*>([^<]+)</a>");

---

Кстати, для отладки я использовал следующий инструмент:который я могу порекомендовать и который автоматически предоставляет экранированную версию:

• http://derekslager.com/blog/posts/2007/09/a-better-dotnet-regular-expression-tester.ashx

Answer 2

Это возвращает то, что вам нужно.Не нужно быть слишком строгим здесь:

<a.+href=".*topic\-name\-(\S+)\/.+thread_title_(\S+)"