首页 > 代码库 > 分析html格式数据,根据正则表达式获取所需数据,并存入数据库

分析html格式数据,根据正则表达式获取所需数据,并存入数据库

例子为获取<dl>中的<dt></dt><dd></dd>中的内容,由于在<dt></dt>标签中还存在<a>标签,所有会一同举例说明。第一次做不够优化,共同学习。

<!DOCTYPE html>

<html>

<head>

  <title><title>

</head>

<body>

  <dl class="hello">

    <dt> <a href="http://www.mamicode.com/sdf">小哈同学1号的日记,2017-2-26日</a> </dt>
    <dd> 记录人:小哈同学1号 </dd>
    <dd> 天气:晴 </dd>
    <dd> 心情:<a href="http://www.mamicode.com/fdg">今天外面有出太阳,可还是很冷,心情还不错!</a></dd>
  </dl>

  <dl class="hello">

    <dt> <a href="http://www.mamicode.com/sdf">小哈同学2号的日记,2017-2-26日</a> </dt>
    <dd> 记录人:小哈同学2号 </dd>
    <dd> 天气:晴 </dd>
    <dd> 心情:<a href="http://www.mamicode.com/fdg">是晴天,心情很好!</a></dd>
  </dl>

</body>

</html>

第一步:首先这边将html以字符串的格式存入了数据库中(可以不存,可上传后获取整个文件分析)

string json="上方的html";

第二步:通过正则表达式获取 <dl class="hello">内容

MatchCollection medl = Regex.Matches(json, @"<dl class=""hello"">([\s\S]*?)</dl>");//这里的json传的是需分析的字符串

 

List<string> mclist = new List<string>();//用于存储最后遍历出来的实体数据
//循环dl
for (int i = 0; i < medl.Count; i++)
{

  第三步:获取<dl>下<a>标签中的内容
  //获取dl下的dt下的a标签
  MatchCollection dedt = Regex.Matches(medl[i].Value, @"(?<=>).*(?=</a>)");

  List<string> titlelist = new List<string>();
  foreach (var item in dedt[0].Value.Split(‘,‘))//<dt><a>标签中包含两个内容,日记标题和日期,这里通过split分割将值遍历出来
  {
    titlelist.Add(item);
  }
  for (int b = 0; b < titlelist.Count; b++)
  {
    if (b == 0)
    {
      mclist.Insert(0, "日记标题:" + titlelist[b]);
      mclist.Insert(1, "心情:" + dedt[1].Value);//第二个<a>标签的值
    }
    else if (b == 1)
    {
      mclist.Insert(2, "日期:" + titlelist[b]);
    }
    else
    {
    }
  }

  第四步:获取<dl>下的<dd>标签里面的内容
  //获取dl下的dd标签
  MatchCollection mcdd = Regex.Matches(medl[i].Value, @"(?<=<dd>)([^<]*)(?=</dd>)");
  //循环dd标签
  for (int j = 0; j < mcdd.Count; j++)
  {
    mclist.Add(mcdd[j].Value);//将dd标签获取的值存入mclist中(如果这时存入的值有多余的转义字符可用Value.replace("需替换的值","替换后的值")替换)
  }
  hellobll.Add(GetModels(mclist));//将mclist中的数据存入数据库
  //将mclist中存入数据库的数据移除,防止重复操作
  mclist.Clear();

 }

 

//该方法将数据对应的数据字段中,在this.GetValueByKey方法中拿到相应的值。

private Model.hello GetModels(List<string> data)
{
Model.hello model = new Model.hello ();
model.Title= this.GetValueByKey(data, "日记标题");//日记标题

model.date= this.GetValueByKey(data, "日期");//日期
model.Name = this.GetValueByKey(data, "记录人");//记录人
model.Weather = this.GetValueByKey(data, "天气");//天气

model.Mood = this.GetValueByKey(data, "心情");//心情

return model;
}


private string GetValueByKey(List<string> data, string key)
{
string result = data.Find(x => x.StartsWith(key));
if (!string.IsNullOrEmpty(result))
{
result = result.Replace(key, string.Empty);
result = result.Replace(":", "");
result = result.Trim();
}
return result;
}

 

//实体类

public class Diary

{

  Public int ID{get;set;}

  public string Title{get;set;}

  public string Name{get;set;}

  public string date{get;set;]//这里时间存的是string类型

  public string Weather{get;set;}

  public string Mood{get;set;}

}

 

正则表达式可优化,心情这条数据没有通过<dd>标签获取,是通过<a>标签获取的。

 

分析html格式数据,根据正则表达式获取所需数据,并存入数据库