用正则表达式作html2RSS服务

  h2R的想法已经有了很长时间了，今天终于开始动手。
主要用的是文本匹配：

            XmlNode channles = root.FirstChild;

            Regex r;
            Match m;

            r  =   new  Regex( " href\\s*=\\s*(?:\ " ( ?< 1 > [ ^ \ " ]*)\ " | ( ?< 1 > \\S + ))\\s + \\S + \\s + title\\s *= \\s * ( ? :\ " (?<2>[^\ " ] * )\ " |(?<2>\\S+)) " ,RegexOptions.IgnoreCase | RegexOptions.Compiled);
             for  (m  =  r.Match(str); m.Success; m  =  m.NextMatch()) 
             {
            //    rst+="link=" + m.Groups[1] + "\ntitle=" + m.Groups[2]+"\n";
                XmlElement oitem=xml.CreateElement("item");
                XmlElement o=xml.CreateElement("title");
                o.InnerText=m.Groups[2].Value;
                oitem.AppendChild(o);
                
                o=xml.CreateElement("link");
                o.InnerText=m.Groups[1].Value;
                oitem.AppendChild(o);


                channles.AppendChild(oitem);
            }

比如str=      < tr >< td >< tr  height =19 >< td  align =center  width =14 >< img  src =/icons/info/dot_h.gif  width =5  height =5 ></ td >< td  align =left >< a  href =/zzh/30630.nsf/(AllDocsByUnid)/C81ECBA70F9A8795C82570990031DE28?opendocument  target =_blank  title ="IC卡学生证及纸制学生证招领名单" > IC卡学生证及纸制学生证招领名单 </ a ></ td >< td  align =right  width =80 >< font  color =#000066 > 10-13 18:04 </ font ></ td ></ tr >< tr  height =19 >< td  align =center  width =14 >< img  src =/icons/info/dot_h.gif  width =5  height =5 ></ td >< td  align =left >< a  href =/zzh/30630.nsf/(AllDocsByUnid)/81BF13BCCAB992A1C825709900300465?opendocument  target =_blank  title ="关于“SRT计划项目优秀奖”申报的通知" > 关于“SRT计划项目优秀奖”申 </ a ></ td >< td  align =right  width =80 >< font  color =#000066 > 10-13 17:44 </ font ></ td ></ tr >< tr  height =19 >< td  align =center  width =14 >< img  src =/icons/info/dot_h.gif  width =5  height =5 ></ td >< td  align =left >< a  href =/zzh/30630.nsf/(AllDocsByUnid)/713C777073ED05DBC8257099002FE71B?opendocument  target =_blank  title ="新一轮SRT立项申请通知" > 新一轮SRT立项申请通知 </ a ></ td >

正则表达式如是解析：
1、href\\s*=\\s*
匹配href，其后面的=两侧有没有空格、有几个空格都可以。
2、(?:\"(?<1>[^\"]*)\"|(?<1>\\S+))
摘取数据1，即link，其两侧有没有引号都可以。
3、\\s+\\S+\\s+
匹配至少一个空各，紧接着至少一个非空格，紧接着至少一个空各。
其实匹配的是 target=_blank

正在继续作。
发现正则表达式太强了，简直就是文本处理的SQL，比SQL还强！
现在觉得，不知自己是为了实现h2R服务而学习Regex，还是为了学习Regex而拿h2R服务做练习。
都挺好。

转载于:https://www.cnblogs.com/civ3/archive/2005/10/16/256119.html