用正则表达式提取网页上表格的内容

最新推荐文章于 2023-02-09 20:47:05 发布

心想才事成

最新推荐文章于 2023-02-09 20:47:05 发布

阅读量1.2w

点赞数

分类专栏： F# 正则表达式文章标签：正则表达式 regex string table fun

本文链接：https://blog.csdn.net/hadstj/article/details/7531482

版权

F# 同时被 2 个专栏收录

745 篇文章 3 订阅

订阅专栏

正则表达式

8 篇文章 0 订阅

订阅专栏

用正则表达式提取网页上表格的内容

把提取到的内容转换成用逗号分隔的文本。

需要修改的就是第一行的 <table id=""t1"" 部分，根据表格定义的而不同。

let rx = new Regex(@"(?<=<table id=""t1""[^>]*?>)([\s\S]*?)(?=</table>)",RegexOptions.IgnoreCase|||RegexOptions.Singleline);;
let rxTR = new Regex(@"(?<=<tr>)([\s\S]*?)(?=</tr>)",RegexOptions.IgnoreCase|||RegexOptions.Singleline);;
let rxTD = new Regex(@"(?<=<td[^>]*>[\s]*?)([\S]*)(?=[\s]*?</td>)",RegexOptions.IgnoreCase|||RegexOptions.Singleline);;

let s4= [for i in rx.Matches(s : string) do
          let t0 = i.Groups.[1].Value
          yield //t0

            [for i in rxTR.Matches(t0 : string) do
              let t1 = i.Groups.[1].Value
              yield //t1
                [for i in rxTD.Matches(t1 : string) do
                  let t2 = i.Groups.[1].Value
                  yield t2
                ]

            ]
         ];;

let s5 = s4 |>Seq.iter(fun i -> i|>Seq.iter(fun i -> (String.Join(",",i))|> writeToFile "S4-4.txt" ))