Как вытянуть данные из html кода, используя регулярные выражения в notepad++?

Question

[Валерий Суворов]

Здравствуйте коллеги!
Необходимо вытянуть данные из html-кода. Строк на самом деле много, но в пример я приведу всего пару строк.
Код:

<p class="pic"><a href="/film/stalnoy-alkhimik-2009-452838/sr/1/" class="js-serp-metrika" data-url="/film/stalnoy-alkhimik-2009-452838/" data-id="452838" data-type="series"><img class='flap_img' src="https://st.kp.yandex.net/images/spacer.gif"  title="/images/sm_film/452838.jpg" alt="Стальной алхимик" title="Стальной алхимик" /></a></p>
<p class="pic"><a href="/film/inicial-di-1998-230874/sr/1/" class="js-serp-metrika" data-url="/film/inicial-di-1998-230874/" data-id="230874" data-type="series"><img class='flap_img' src="https://st.kp.yandex.net/images/spacer.gif"  title="/images/sm_film/230874.jpg" alt="Инициал &laquo;Ди&raquo;" title="Инициал &laquo;Ди&raquo;" /></a></p>

Конечные данные, которые нужно получить:

Стальной алхимик 2009
Инициал Ди 1998

То есть, необходимо вытащить данные из атрибута alt или title и число года из ссылки .
Буду очень благодарен за помощь!

Answer 1

[Хостинг Ярославль]

Заменить
^.*?-(\d\d\d\d)-.*?alt="(.*?)".*?$
на
\2 \1

Далее при желании заменить спецсимволы (типа "laquo") на нужные.
Плагины-> HTML tag -> Decode entities

Если плагина нет - установить зная название
Плагины-> Plugin manager

Comments

[Валерий Суворов]

Здорово! Огромная благодарность! Лучшее решение!

[Anton Mashletov]

\d\d\d\d => \d{4}

[Валерий Суворов]

Anton Mashletov, спасибо за желание помочь. Проверил, Ваше решение не рабочее.
Выше уже дали подробно расписанное решение!

[Anton Mashletov]

Валерий Чкалов, Это и не было решением. Я поправил комментатора, что его регулярку ^.*?-(\d\d\d\d)-.*?alt="(.*?)".*?$ можно сократить до ^.*?-(\d{4})-.*?alt="(.*?)".*?$

[Хостинг Ярославль]

для новичков мой вариант проще и нагляднее для восприятия и переделки в будущем под другие запросы :)

Answer 2

[Ильяс]

мне кажется, notepad++ не очень для подобных ситуаций, думаю, проще взять какой-нибудь язык, где есть библиотека с парсингом html и с её помощью вытянуть атрибуты.
Года по идее можно подобной регуляркой вытянуть:
-[1-9][0-9]{3}-

Comments

[Хостинг Ярославль]

Зачем изобретать велосипед, если у человека под рукой notepad++, он спрашивает решение своей проблемы, которым оказывается одна единственная строчка, о которой он узнает через несколько минуть после задачи вопроса...