红宝石正则表达式帮助

我知道一点正则表达式，但不会发生变化。从以下html中获取数字的最佳方法是什么？（我想有32个返回）。在这个可怕的html页面中，宽度，行跨度和大小的值都是不同的。任何帮助？红宝石正则表达式帮助

<td width=14 rowspan=2 align=right><font size=2 face="helvetica">32</font></td>

来源

2010-03-14 bunnyBEARZ

最好的方法是使用解析器而不是正则表达式。 :-) – Erik 2010-03-14 01:52:30

@Erik：原则上是的，但对于快速和肮脏的屏幕扫描正则表达式通常是一个可行的工具。 – Joey 2010-03-14 01:55:11

我会使用解析器，但HTML格式太差。 – bunnyBEARZ 2010-03-14 02:02:26

如何

>(\d+)<

或者，如果你拼命想要避免使用捕获组都：

(?<=>)\d+(?=<)

来源

2010-03-14 01:54:09 Joey

这将返回> 32 <但我想我可以只是做string.match（/>（\ d +） bunnyBEARZ 2010-03-14 01:57:07

@bun：那么，你会发现'32'第一个捕获小组......我编辑了答案，包括一个不需要该小组的例子。 – Joey 2010-03-14 01:59:23

太棒了，非常感谢。 – bunnyBEARZ 2010-03-14 02:05:23

可能

<td[^>]*><font[^>]*>\d+</font></td>

来源

2010-03-14 01:58:51 Arkadiy

这肯定会匹配上面的字符串，但不会做任何事情来提取'32'。 – Joey 2010-03-14 02:00:48

那么，如果Ruby的regexp synatx是从Perl借用的，那么你需要把\ d +放在圆括号中。然后使用match（）[1] – Arkadiy 2010-03-14 02:34:27

请，自己动手做赞成：

#!/usr/bin/env ruby 
require 'nokogiri' 

require 'test/unit' 
class TestExtraction < Test::Unit::TestCase 
    def test_that_it_extracts_the_number_correctly 
    doc = Nokogiri::HTML('<td width=14 rowspan=2 align=right><font size=2 face="helvetica">32</font></td>') 
    assert_equal [32], (doc/'//td/font').map {|el| el.text.to_i } 
    end 
end

来源

2010-03-14 02:19:08

我同意。与使用解析器相比，使用正则表达式处理HTML内容比长期更容易出错。 – 2010-03-14 07:31:13

红宝石正则表达式帮助

回答

相关问题