[問題] 抓標籤內容的問題

[pinkisme ()]

目前在抓標籤內容遇到一些問題

比方說一個html內容某部分是下面這樣
<div>
this is div1
    <div>
    this is div2
    </div>
    <div>
    this is div3
    </div>
</div>

請問該如何寫才能分別抓出div2和div3呢?
謝謝。

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 140.115.156.75
推 a9:<div>([^<]+)</div>
> -------------------------------------------------------------------------- <

作者: pinkisme () 看板: RegExp
標題: Re: [問題] 抓標籤內容的問題
時間: Wed Jun 11 01:51:02 2008

※ 引述《pinkisme ()》之銘言：
: 目前在抓標籤內容遇到一些問題
: 比方說一個html內容某部分是下面這樣
: <div>
: this is div1
:     <div>
:     this is div2
:     </div>
:     <div>
:     this is div3
:     </div>
: </div>
: 請問該如何寫才能分別抓出div2和div3呢?
: 謝謝。
有照推文給的方式去抓，不過後來發現有點小問題，
因為網頁內容有某些部分在div後面還有別的tag
比如說
<div>
1
    <div>
    <p>2
    </div>
    <div>
    <p>3
    </div>
4
</div>
有把推文的pattern更改去試
不過還是抓不出來orz

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 140.115.223.231
推 CyberSnoopy:<div>([^(?:<div>)]*)</div>
> -------------------------------------------------------------------------- <

作者: wawawa (哇哇哇○(￣﹏￣)○) 看板: RegExp
標題: Re: [問題] 抓標籤內容的問題
時間: Wed Jun 11 03:39:32 2008

※ 引述《pinkisme ()》之銘言：
: ※ 引述《pinkisme ()》之銘言：
: 比如說
: <div>
: 1
:     <div>
:     <p>2
:     </div>
:     <div>
:     <p>3
:     </div>
: 4
: </div>
: 有把推文的pattern更改去試
: 不過還是抓不出來orz

你這問題其實我個人是覺得用 RE 有點苦幹

如果巢狀架構都一樣那還好，但要是中間還會有不固定的標籤

用 RE 有點苦 :p

建議是使用專門分析 html tag 的模組去跑，比如若你用 python

那就可以使用 Beautiful Soup [1] 之類的去分析，效果會好很多

其他程式語言也有類似的東西可以使用，找找看就會有...

[1] http://www.crummy.com/software/BeautifulSoup/

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 59.104.141.2