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。

posted on 2005-10-16 22:07 civ3's .NET studying 阅读(368) 评论(1) 编辑收藏