1

Всем привет.

Проблема такая, делаю не большой парсер все уже готово, осталась только составить правильную регулярку, помогите пожалуйста.

Есть сайт, на странице которого присутствуют вот таких результаты

<td><a href='/simplesearch?domainsimple=site.ru&fromadvs=1'>site.ru</a></td>

<td><font color='green'>Свободен</font><div style="margin: 3px 0 3px 0;"><a style='font-size: x-small; color: green;' target='_blank' href='https://www.nic.ru/manager/registration.cgi?ipartner=3140&step=new_srv.select_pack&new_domain=site.ru&Next=1&rst=all' title='site.ru свободен и вы можете его зарегистрировать.'>Занять <img border='0' src='/img/green.gif'></a></div></td>
<td>
    <font style='color: #f5989d;'>Нет IP</font>
</td>

Нужна такая регулярка которая бы вытаскивала site.ru, но вытаскивала только в том месте где есть надпись Нет IP, а где стоит ip пропускала.

Все, что удалось найти это

(?<=<a\ href="/simplesearch\?domainsimple=).*(?=&amp;)

Но такая регулярка парсит все результаты, а необходимо только те где надпись, Нет IP.

2
  • 1
    Вы не должны пользоваться регулярками для разбора HTML. Особенно если структура меняется. Возьмите честный HTML-парсер.
    – VladD
    Commented 15 дек. 2013 в 21:00
  • А чем вытаскиваете html код? Какой язык, какая библиотека?
    – Zepp
    Commented 15 дек. 2013 в 22:47

1 ответ 1

2

VladD что за "честный HTML-парсер"?

Структура там особо не меняется, принцип вот такой:

site.ru    Нет IP
site1.ru   100.101.102.103
site2.ru   100.101.102.103
site3.ru   Нет IP
site4.ru   100.101.102.103

Я сделал проект на ЗенноПостере, типа парсера теперь мне не обходима регулярка, которая бы собрала, только сайты где написанно Нет IP.

Мне смогли подсказать только вот такую:

(?<=<a\ href="/simplesearch\?domainsimple=).*(?=&amp;)

Но она парсит, все сайты подряд.

5
  • Зависит от языка, конечно. На C# можно взять, например, HTML Agility Pack. На PHP Simple HTML DOM. И т. д.
    – VladD
    Commented 15 дек. 2013 в 21:28
  • Спасибо за помощь, но для меня к сожалению это темный лес.
    – crimson5
    Commented 15 дек. 2013 в 21:56
  • Разбирая HTML регекспами вы будете постоянно ломать себе ноги о свои же собственные костыли. Причём этих костылей будет на порядки больше, чем ног :) Так что имеет смысл один раз разобраться, и пользоваться надёжными инструментами.
    – user6550
    Commented 15 дек. 2013 в 22:08
  • Один из самых эпичных ответов SO о регексах и HTML stackoverflow.com/questions/1732348/… Commented 16 дек. 2013 в 20:30
  • 1
    Шикарно :) >Every time you attempt to parse HTML with regular expressions, the unholy child weeps the blood of virgins, and Russian hackers pwn your webapp
    – user6550
    Commented 16 дек. 2013 в 20:34

Ваш ответ

Нажимая «Отправить ответ», вы соглашаетесь с условиями пользования и подтверждаете, что прочитали политику конфиденциальности.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.