抓RSS的時間

[fantasywater (菸酒生)]

我用java寫的,請問一下

我要抓GOOGLE的RSS,

裡面有一行 <atom:updated>2008-11-30T10:55:28Z</atom:updated>

為什麼我pattern這樣寫抓不到東西呢? <atom:updated>.*?</atom:updated>

第二個問題

我寫了一個pattern條件式 <(p|span)>.*?</\\1>

可以抓<p>..</p> <span>..</span>

那如果我要多抓一個這樣的東西 <div id="news" ..>..</div>

有辦法和 <(p|span)>.*?</\\1> 這個式子合併一起寫嗎?

我的疑問在於這樣寫的話 <(p|span|div id="news")>.*?</\\1>

後面的\\1會抓到整個div id="news",沒辦法讓他等於div,

不知道有沒有方法能夠把這幾個條件併成一個式子寫?

--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.112.57.7
※ 編輯: fantasywater    來自: 140.112.57.7         (11/30 20:39)
推 EragonJ:第二個 你可以改成這樣 <(p|span|div).*>(.*?)</\1>
→ EragonJ:雖然也會抓到 <p xxxx>..</p> 之類的東西
→ EragonJ:但是不知道你的情況怎樣 所以就先試試看吧
→ EragonJ:而第一個的寫法是對的 但是這僅供"判斷而已"
→ EragonJ:你還要加上()括弧 去capture!! 改成<xxx>(.*?)<xxx>這樣
→ fantasywater:感謝回答:) 2.的div id="news"必須整串寫死不能代換
→ fantasywater:<(p|span)( .*?)?>.*?</?\\1> 其實原式是這樣子的
→ fantasywater:1的話還是不行耶 我是這樣寫的:
→ fantasywater:Matcher dateMat = datePat.matcher(xmlFile);
→ fantasywater:datePat就是你說的那行
→ fantasywater:if(dateMat.find()) 然後進不去funtion,沒找到 @_@"
推 EragonJ:我不知道你回覆的2 想表示什麼@@"
→ EragonJ:而1的話 我測是可以的 不知道你是用什麼語言寫的?
→ fantasywater:2想表達的是眾多div tag我只要抓id="news"的 後續還
→ fantasywater:要處理抓到的內容,所以要避免雜訊,不然很多網頁都有
→ fantasywater:有DIV標籤,後續處理的部分就會變得很多很多@_@"
→ fantasywater:1的話我是在eclipseIDE環境下用java寫的
推 EragonJ:<(p|span|(div) id="news")>(.*?)</(?:\1|\2)> 改成這樣
→ EragonJ:1的效果就可以達成了!
推 EragonJ:Java我不熟 xd 抱歉啦~ 不過那個應該不可能不行才對...
→ EragonJ:可能是什麼函式用錯吧xD? 還是有打錯字之類的 我不知道 哈
→ EragonJ:等等 我問一下 兩個tag之間有換行嗎?
→ fantasywater:先討論2好了,我有想過您建議的寫法,但是那可能會拿到
→ fantasywater:<p>..</div> or <span>..</div>我要再實驗看看@@"
→ fantasywater:至於1的話,我剛剛發現我JAVA吃進來的XML檔案和使用
→ fantasywater:另存新檔得到的結果不一樣,也就是說原本的XML檔可能
→ fantasywater:不具有<atom:updated>..</atom:updated>,這行有可能
→ fantasywater:是一些萬布的樣式表作用而加上去的,所以可能抓不到@@
→ fantasywater:我猜啦XD,因為我抓<title>..</title>是有東西的!!
→ fantasywater:萬布改成外部 打錯字了~
→ fantasywater:剛試了一下,2的效果不錯,沒遇到太多例外,不過還要多
→ fantasywater:試幾個網頁才知道~
推 EragonJ:你上面講的問題應該是不會發生 前提是在以標準為前提建構
→ EragonJ:的RSS 因為都是<x> <q>...</q> </x> 由外到內這樣包起來
→ EragonJ:而你上面有用貪婪的方式去抓(.*?) 所以就會避免你講的情況
→ EragonJ:前提很重要 不過我看大部分的RSS都寫的中規中矩的 應該
→ EragonJ:不會有問題發生才對xd~
推 EragonJ:要記得加m 這個參數喔 可以讓. 去 match new line這個char
→ EragonJ:我覺得有可能是因為有換行的關係啦~ 試試看!