使用Html Agility Pack解析Html页面

Question

我正在尝试用正则表达式解析the IMDb page（我知道HAP更好），但我的RegEx错了，所以你可以建议我如何正确使用HAP。

这是我试图解析的页面的一部分。我需要从这里拿2个号码：

5人中有5人（所以我需要这两个五人，两个人）

<small>5 out of 5 people found the following review useful:</small>
<br>
<a href="/user/ur1174211/">
<h2>Interesting, Particularly in Comparison With "La Sortie des usines Lumière"</h2>
<b>Author:</b>
<a href="/user/ur1174211/">Snow Leopard</a>
<small>from Ohio</small>
<br>
<small>10 March 2005</small>

这是我在c＃

上的代码

Regex reg1 = new Regex("([0-9]+(out of)+[0-9])");
for (int i = 0; i < number; i++)
        {
            Console.WriteLine("the heading of the movie is {0}", header[i].InnerHtml);
            Match m = reg1.Match(header[i].InnerHtml);

            if (!m.Success)
            {
                return;
            }
            else
            {
                string str1 = m.Value.Split(' ')[0];
                string str2 = m.Value.Split(' ')[3];

                if (!Int32.TryParse(str1, out index1))
                {
                    return;
                }
                if (!Int32.TryParse(str2, out index2))
                {
                    return;
                }
                Console.WriteLine("index1 = {0}", index1);
                Console.WriteLine("index2 = {0}", index2);
            }
        }

非常感谢所有阅读此内容的人。

Answer 1

试试这个。这样你不仅可以取数字。

    Regex reg1 = new Regex(@"(\d* (out of) \d*)");
    for (int i = 0; i < number; i++)
    {
      Console.WriteLine("the heading of the movie is {0}", header[i].InnerHtml);
      Match m = reg1.Match(header[i].InnerHtml);

      if (!m.Success)
      {
          return;
      }
      else
      {
          Regex reg2 = new Regex(@"\d+");
          m = reg2.Match(m.Value);
          string str1 = m.Value;
          string str2 = m.NextMatch().Value;

          if (!Int32.TryParse(str1, out index1))
          {
              return;
          }
          if (!Int32.TryParse(str2, out index2))
          {
              return;
          }
          Console.WriteLine("index1 = {0}", index1);
          Console.WriteLine("index2 = {0}", index2);
      }
    }

Answer 2

如果您拥有small标记的InnerHtml，那么也可以这样做以获取数字

var title = "5 out of 5 people found the following review useful:";
var titleNumbers = title.ToCharArray().Where(x => Char.IsNumber(x));

修改

正如@PulseLab建议的那样，我有另一种方法

var sd = s.Split(' ').Where((data) =>
        {
            var datum = 0;
            int.TryParse(data, out datum);
            return datum > 0;
        }).ToArray();