Как парсить HTML строку?

Question

Антон @hummingbird

Как парсить HTML строку?

Есть такой HTML код:

<span class="title">Название:</span> Rising Water - James Vincent McMorrow<!-- После слитно еще несколько span -->

Пытаюсь ее парсануть:

puts /<span class="title">Название:<\/span>(.*)-(.*)/.match(line)

Но не выходит. Получаю название и последующие за ним span'ы.

Помогите, пожалуйста.

Вопрос задан более трёх лет назад
375 просмотров

11 комментариев

Подписаться 1 Оценить 11 комментариев

Crash @Bandicoot

не пробовали специальные гемы использовать, например Nokogiri?

Написано более трёх лет назад
Антон @hummingbird Автор вопроса

Crash: и как с помощью Nokogiri получить название? Название ведь ни во что не обернуто.

Написано более трёх лет назад

OVK2015 @OVK2015

var testStr = '<span class="title">Название:</span> Rising Water - James Vincent McMorrow<span>'
testStr.match(/<\/span>(.*?)<span/i)

Написано более трёх лет назад

Антон @hummingbird Автор вопроса

OVK2015: неа, не вышло:
puts /<\/span>(.*?)<span/i.match(line)

Написано более трёх лет назад
OVK2015 @OVK2015

Антон: Это для js. С синтаксисом руби не знаком. Хотя не думаю, что сама регулярка как-то отличается.
У меня 1-ая группа из этой строки "Rising Water - James Vincent McMorrow". Уберите из регулярки "i"(/<\/span>(.*?)

Написано более трёх лет назад
Антон @hummingbird Автор вопроса

OVK2015: тут дело вот в чем:
puts /<\/span>(.*?)<span/i.match(line)[1]
Выводит:


А это:
puts /<\/span>(.*?)<span/i.match(line)[2]
Выводит пустоту.

Написано более трёх лет назад
Антон @hummingbird Автор вопроса

OVK2015: с "i" или без "i" - одинаковая ситуация.

Написано более трёх лет назад
Антон @hummingbird Автор вопроса

OVK2015: без указания индекса выводит:
<span

Написано более трёх лет назад
OVK2015 @OVK2015

Антон:
Как сама исходная строка полностью выглядит?
Мой код легко проверить,- в той же консоле браузера.

Написано более трёх лет назад
Антон @hummingbird Автор вопроса

OVK2015: исходный код, это куча похожих строк (как в примере), только у них меняется класс в span, текст в span, и само название песни меняется на описание, год и прочее подобное.

Написано более трёх лет назад
OVK2015 @OVK2015

Антон: Попробуйте ключ "s" добавить
/<\/span>(.*?)<span/is
Видать он по умолчанию точку точкой считает, а не любым символом

Написано более трёх лет назад

Решения вопроса 1

4 комментария

Пригласить эксперта

Ответы на вопрос 1

Комментировать

Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации

Похожие вопросы

Регулярные выражения

Средний
Как обнаружить и остановиться на первом переносе строки?
- 1 подписчик
- вчера
- 104 просмотра
1

ответ
Регулярные выражения

Простой
Как составить regex исключающий цифры с тире?
- 1 подписчик
- 02 нояб.
- 54 просмотра
1

ответ
PHP

+1 ещё

Простой
Как найти в строке текст который содержит спецсимволы с помощью регулярного выражения?
- 1 подписчик
- 25 окт.
- 124 просмотра
3

ответа
C#

+1 ещё

Простой
Как сгенерировать строку из регулярного выражения на .NET?
- 3 подписчика
- 14 окт.
- 476 просмотров
1

ответ
Регулярные выражения

+1 ещё

Простой
Как заменить ссылки в разных местах текста на соответствующие в Notepad++?
- 1 подписчик
- 11 окт.
- 98 просмотров
0

ответов
Регулярные выражения

Простой
Как регуляркой вытащить все значения?
- 1 подписчик
- 04 окт.
- 167 просмотров
1

ответ
PHP

+1 ещё

Простой
Как получить имя и версию бота из строки?
- 1 подписчик
- 01 окт.
- 143 просмотра
1

ответ
JavaScript

+1 ещё

Средний
Как избежать слипшихся ссылок?
- 1 подписчик
- 25 сент.
- 170 просмотров
1

ответ
PHP

+1 ещё

Простой
Как через регулярное выражение сделать замену с использованием callback-функции?
- 1 подписчик
- 12 сент.
- 119 просмотров
2

ответа
Регулярные выражения

Простой
Как проверить строку на наличие символов из двух национальных алфавитов исключая латиницу?
- 1 подписчик
- 08 сент.
- 66 просмотров
0

ответов
Показать ещё Загружается…

Senior/TeamLead Golang Разработчик

Wanted. • Санкт-Петербург

До 450 000 ₽

Администратор ИТ-проектов (ГК «Росатом»)

Гринатом • Москва

от 150 000 до 150 000 ₽

Head of Tech Support

Wanted. • Санкт-Петербург

До 120 000 ₽

Консультация в разработке системы управления макета робота до 6 осей

05 нояб. 2024, в 14:10

1000 руб./за проект

Поиск SMM-менеджера (контент-маркетинг)

05 нояб. 2024, в 14:04

35000 руб./за проект

Доработать дизайн интернет-магазина

05 нояб. 2024, в 13:45

10000 руб./за проект

не пробовали специальные гемы использовать, например Nokogiri?
Crash: и как с помощью Nokogiri получить название? Название ведь ни во что не обернуто.
var testStr = 'Название: Rising Water - James Vincent McMorrow' testStr.match(/<\/span>(.*?)<span/i)
OVK2015: неа, не вышло:
puts /<\/span>(.*?)<span/i.match(line)
Антон: Это для js. С синтаксисом руби не знаком. Хотя не думаю, что сама регулярка как-то отличается.
У меня 1-ая группа из этой строки "Rising Water - James Vincent McMorrow". Уберите из регулярки "i"(/<\/span>(.*?)
OVK2015: тут дело вот в чем:
puts /<\/span>(.*?)<span/i.match(line)[1]
Выводит:


А это:
puts /<\/span>(.*?)<span/i.match(line)[2]
Выводит пустоту.
OVK2015: с "i" или без "i" - одинаковая ситуация.
OVK2015: без указания индекса выводит:
<span
Антон:
Как сама исходная строка полностью выглядит?
Мой код легко проверить,- в той же консоле браузера.
OVK2015: исходный код, это куча похожих строк (как в примере), только у них меняется класс в span, текст в span, и само название песни меняется на описание, год и прочее подобное.
Антон: Попробуйте ключ "s" добавить
/<\/span>(.*?)<span/is
Видать он по умолчанию точку точкой считает, а не любым символом

Answer 1 · 2016-08-19 16:08:47

Парсить регуляркой не стоит, выше упомянутое вполне подойдет, еще рубисты часто используют библиотеку nokogiri для парсинга сайтов.
Она вполне удобна, например тем, что можно добираться до элементов по ccs селекторам.
https://habrahabr.ru/post/52680/
Пример:

doc = Nokogiri::HTML('<body><span class="title">Название:</span> Rising Water - James Vincent McMorrow<span></span><body>')

name = doc.xpath('//span/following-sibling::text()[1]').text

p name # => " Rising Water - James Vincent McMorrow"

Answer 2 · 2016-08-19 15:42:30

HTML НЕ ПАРСЯТ РЕГУЛЯРКАМИ. REGEXP - ИНСТРУМЕНТ НЕДОСТАТОЧНО СЛОЖНЫЙ ДЛЯ ПАРСИНГА HTML.
d͓̀o̰̭̳̭̠̠͢n̠̞̠͉ț̱̤̝ ̣̣̼̫̥̯e̷̥̝v̦e̵̻n̰͕͟ ̵̗̻̪̯t̗̪̯̬͕̺́r͉̰̮̣̬͖y̶͕͍ ̝̩̟̬̟ţ̮o̶̰̭ ̵̣̥̬̯̜̟͓p̴͎̼̜a̝̖̦̫͈̱͖r̝͇̖̟͖̬s̭̭̯͉͎̙͘e҉̠̺̻̻̝ͅ ̣̺̤̱̣i͈̲̭̤͍̼͘t̞͉̺̲̘͚ ̺̞̰̳͔̭o̠̗͙̖̬͇u͠ț͉̘̦̝̪

Как парсить HTML строку?

Войдите, чтобы написать ответ

Минуточку внимания

Войдите на сайт