科技行者

行者学院 转型私董会 科技行者专题报道 网红大战科技行者

知识库

知识库 安全导航

至顶网软件频道应用软件 面向html标签的正则表达式

面向html标签的正则表达式

  • 扫一扫
    分享文章到微信

  • 扫一扫
    关注官方公众号
    至顶头条

在处理字符串的过程中,正则表达式有着不可替代的位置。现在的计算机高级语言中都有相应的正则表达式支持包。

作者:accesine960 来源:CSDN 2008年5月30日

关键字: 正则表达式 标签 python 软件

  • 评论
  • 分享微博
  • 分享邮件
在处理字符串的过程中,正则表达式有着不可替代的位置。现在的计算机高级语言中都有相应的正则表达式支持包。

    如果我们把一个网页中 html 代码当作一个有结构的字符串,那么如何用一种类似正则表达式的方式来提取想要的html标签(tags)呢

    这里先不考虑如何实现,而先考虑如何用一种类正则表达式的方式来描述html标签
要取得一个html标签(tag),需要知道该标签的2类属性:
1、标签的位置;
2、标签本身的属性;
比如 在下面的html网页中:
<html>
<body>
<div id="BodyWrapper" class="wrapper">
<div id="LeftWrapper" class="wrapper">
</div>
<div id="RightWrapper" class="wrapper">
<div class="column">
<div>
<div class="column">
<div>
</div>
</div>
</body>
</html>

    如果想提取上面html代码中 class 是 column的第二个 div 标签,那么需要我指定该div的 id 和 class 和 位置信息 。

现在的问题是:如何设计一个满足上述要求的表达语法呢?

比如:
    gettag:div{tag-name:div;tag-position:2;tag-class:column;tag-id:; tag-content:;}
        tag-parent{tag-name:div;tag-position:2;tag-class:column;tag-id:; tag-content:
;}
        tag-child{......}

     上面这是一种 易于理解的描述式的语法。

      或者类似 python的语法:
      gettag:div
            tag-name:
            tag-id:
            tag-position:2
            tag-class:column
            tag-content:
            tag-parent:
                   tag-name:
                   tag-id:
                   tag-position:2
                   tag-class:column
                   tag-content:
             tag-child:
                   tag-type:table
                  
           
     不知道大家有没有更适合的语法表现形式。
只要能合理的设计这个表达语法,那么后继的工作就好做了。

这样做的最终目的是:程序员可以用这种表达式解析html代码,就像处理普通的字符串那样的方便。

      希望大家参与,多出主意,我会根据大家的反馈,完善这个语法,并做一个基于这个语法的实现。

参考:
   关于正则表达式的基本介绍可以看这里:
    http://blog.joycode.com/sumtec/archive/2004/06/29/26057.aspx
    http://www.21tx.com/dev/2004/12/25/13132.html

    正则表达式最早是由数学家Stephen  Kleene于1956年提出,他是在对自然语言的递增研究成果的基础上提出来的。具有完整语法的正则表达式使用在字符的格式匹配方面上,后来被应用到熔融信息技术领域。自从那时起,正则表达式经过几个时期的发展,现在的标准已经被ISO(国际标准组织)批准和被Open  Group组织认定。  
 
    正则表达式并非一门专用语言,但它可用于在一个文件或字符里查找和替代文本的一种标准。它具有两种标准:基本的正则表达式(BRE),扩展的正则表达式(ERE)。ERE包括BRE功能和另外其它的概念。  
 
    许多程序中都使用了正则表达式,包括xsh,egrep,sed,vi以及在UNIX平台下的程序。它们可以被很多语言采纳,如HTML  和XML,这些采纳通常只是整个标准的一个子集。
    • 评论
    • 分享微博
    • 分享邮件
    邮件订阅

    如果您非常迫切的想了解IT领域最新产品与技术信息,那么订阅至顶网技术邮件将是您的最佳途径之一。

    重磅专题
    往期文章
    最新文章