[求助]做个HTML解析器，20000个论坛币！！急！！ - 闲聊灌水

| 网站首页 | 业界新闻 | 小组 | 威客 | 人才 | 下载频道 | 博客 | 代码贴 | 在线编程 | 编程论坛 |

编程论坛 → 非技术区 → 『闲聊灌水』 → [求助]做个HTML解析器，20000个论坛币！！急！！

我的收件箱(0)

欢迎加入我们，一同切磋技术

共有 2449 人关注过本帖

标题：[求助]做个HTML解析器，20000个论坛币！！急！！

只看楼主加入收藏

live41

等　级：贵宾
威　望：67
帖　子：12442
专家分：0
注　册：2004-7-22

第 71 楼

得分:0

<tr>
<td style="text-align:left;width: 445px; height:20px">
<img src="imgpic/article_common.gif"/><a href= "http://www.zhtv.com/Article/ShowArticle.asp?ArticleID=36264" style="text-decoration:blink;" target="_blank" /><link href="newslist.css" rel="stylesheet" type="text/css" />金湾区工商联举行春茗酒会
</td>
<td style="text-align:right;width: 110px; color:Red;" >2007-03-23</td>
</tr>

<tr>
<td style="text-align:left;width: 445px; height:20px">
<img src="imgpic/article_common.gif"/><a href= "http://www.zhtv.com/Article/ShowArticle.asp?ArticleID=36263" style="text-decoration:blink;" target="_blank" /><link href="newslist.css" rel="stylesheet" type="text/css" />黄能建书画作品展今日开展
</td>
<td style="text-align:right;width: 110px; color:Red;" >2007-03-23</td>
</tr>

2007-03-24 00:14

live41

等　级：贵宾
威　望：67
帖　子：12442
专家分：0
注　册：2004-7-22

第 72 楼

得分:0

你没发现日期吗？！ <td style="text-align:right;width: 110px; color:Red;" >2007-03-23</td>

我暂时没发现出了没结束标记有点模糊之外有什么不同

结束的点只依赖于IE的判断而已，与<a href=..></a>有什么区别？

2007-03-24 00:16

live41

等　级：贵宾
威　望：67
帖　子：12442
专家分：0
注　册：2004-7-22

第 73 楼

得分:0

以下是引用rainic在2007-3-23 22:26:25的发言：
看完了...都不知道要什么样的结果...其实是不是把<td></td>之类东西之间的内容取出来?

不光是取出来，取里面的话，用个简单正则把所有<[/]*[\S\s]+>去了就行了

2007-03-24 00:18

live41

等　级：贵宾
威　望：67
帖　子：12442
专家分：0
注　册：2004-7-22

第 74 楼

得分:0

回复：（tianykun）[求助]做个HTML解析器，20000个论坛...

楼主那老师要的是类似这样的效果——

[此贴子已经被作者于2007-8-15 18:20:35编辑过]

rznCp0d1.gif (7.45 KB)

图片附件: 游客没有浏览图片的权限，请登录或注册

2007-03-24 00:22

live41

等　级：贵宾
威　望：67
帖　子：12442
专家分：0
注　册：2004-7-22

第 75 楼

得分:0

老实说，java有这样的直接函数调用，

如果java真tmd给开源了，你直接找到函数原型交给老师就行。

2007-03-24 00:24

live41

等　级：贵宾
威　望：67
帖　子：12442
专家分：0
注　册：2004-7-22

第 76 楼

得分:0

对了，再告诉你一样你能看到你们老师想要的效果的方法，下载最新的firefox，

浏览一个页面，然后点DOM查看（忘了叫什么名字），反正ff就是有这样查看功能

另外，yms所说的dom来dom去，其实不过就是IE和ff（浏览器）在导航的时候顺便生成的75楼的树的运用

作用是应用css和js时寻变量的方便。

getElementById之类的就是迭代那棵树去找关于tag id的匹配

[此贴子已经被作者于2007-3-24 0:29:22编辑过]

2007-03-24 00:28

live41

等　级：贵宾
威　望：67
帖　子：12442
专家分：0
注　册：2004-7-22

第 77 楼

得分:0

Dom Inspector

http://www.eray.cn/archives/2006/article.asp?id=165

这个就是那个ff里看dom树的插件

2007-03-24 00:46

神vLinux飘飘

来　自：浙江杭州
等　级：贵宾
威　望：91
帖　子：6140
专家分：217
注　册：2004-7-17

第 78 楼

得分:0

假设我们只分析语<html></html>之间的内容

首先，我们把标签分成4类：

1.<LABEL>
2.</LABEL>
3.<LABEL/>
4.<LABEL>

其中1和2总是相互匹配：<td>...</td>、<h1>hello</h1>等等（就是用数据结构那判断括号是否匹配的那算法），如果不匹配则说明这个HTML文档有错误，无法构造成一棵树。然后是修复还是报错退出就看你了。一般是修复，再重新构造判断

3和4都可以被称之为单标签：<br>、<br/>等

另外，在解析之前，请把所有的换行符全部替换掉，这样可以方便的解析到
<a href=
"bbs.bc-cn.net">BC-CN</a>
这样夸行的标签

淘宝杜琨

2007-03-24 09:46

live41

等　级：贵宾
威　望：67
帖　子：12442
专家分：0
注　册：2004-7-22

第 79 楼

得分:0

不用先替换掉，定义一个"\r\n\t "字符串，然后扫描到那个char的时候，就blankChar.IndexOf(c)，是空白字符就跳过

string blankChar = "\r\n\t ";
char c = source[idx];

if(blankChar.IndexOf(c)!=-1)
{ idx++; }

2007-03-24 10:04

快速回复：[求助]做个HTML解析器，20000个论坛币！！急！！