我正在解析下一页。
url="https://learnjapanesedaily.com/most-common-japanese-words.html/6/#1000-most-common-japanese-words-week-6";编码：
private void Getwords(string html)
{
int new1 = 0;
Regex r1 = new Regex(@"<p>\d{1,3}.\s(.*?)\s:\s(.*?)<\/p>", RegexOptions.Multiline | RegexOptions.Singleline);
MatchCollection matches = r1.Matches(html);
foreach (Match match in matches)
{
GroupCollection groups = match.Groups;
if (!wdic.ContainsKey(groups[1].Value))
{
wdic.Add(groups[1].Value, groups[2].Value);
new1++;
listBox1.Items.Add(groups[1].Value);
}
}
Console.WriteLine("New words added = " + new1.ToString());
}当我运行它的时候，我会得到61个匹配项而不是60个匹配项，因为最后一个匹配项会匹配一个很长的行。我只想让它最多检查和解析1~3行。这可能吗？
1条答案
按热度按时间hjzp0vay1#
问题是
.*?也可能匹配“：“和换行符，因此如果（理论上）您将得到一个具有许多此类出现的字符串（如“：● ● ● ●：：：“），或者它甚至可以在一个长的多行输入中匹配</p>，试图匹配某些内容但没有成功，因此可能会发生很多回溯。更精确地说，第一个
.*?应该匹配什么：例如，您可以要求它既不匹配冒号，也不匹配换行符。这不是问题所在，但您似乎想在初始数字后匹配一个 literal 点，然后在它前面加上一个反斜杠。
以下是更正：
更一般地说：用正则表达式解析HTML是个坏主意。2用HTML解析器解析HTML。