Question

我的代码是：

htmltoextract = new Uri("http://test");

client = new WebClient();
f = client.DownloadString(htmltoextract);
client.Dispose();
string pattern = @"(\d{12})";
Regex ex = new Regex(pattern, RegexOptions.Singleline);

MatchCollection matches = ex.Matches(f);
IFormatProvider provider = CultureInfo.InvariantCulture;
List<DateTime> dateTime = new List<DateTime>();
foreach (Match match in matches)
{
     dateTime.Add(DateTime.ParseExact(match.Value, "yyyyMMddHHmm", provider));
}

在f里面的某个地方，我有这一行：

var imageUrls = ["/image2.ashx?region=is&time=201501102145&ir=false","/image2.ashx?region=is&time=201501102130&ir=false","/image2.ashx?region=is&time=201501102115&ir=false","/image2.ashx?region=is&time=201501102100&ir=false","/image2.ashx?region=is&time=201501102045&ir=false","/image2.ashx?region=is&time=201501102030&ir=false","/image2.ashx?region=is&time=201501102015&ir=false","/image2.ashx?region=is&time=201501102000&ir=false","/image2.ashx?region=is&time=201501101945&ir=false"];

我需要将其提取两次到两个列表：

第一个List是dateTime

第二个List应该是字符串，它应该添加到它：

/image2.ashx?region=is&time=201501102145&ir=false
/image2.ashx?region=is&time=201501102130&ir=false
/image2.ashx?region=is&time=201501102115&ir=false
/image2.ashx?region=is&time=201501102100&ir=false
/image2.ashx?region=is&time=201501102045&ir=false
/image2.ashx?region=is&time=201501102030&ir=false
/image2.ashx?region=is&time=201501102015&ir=false
/image2.ashx?region=is&time=201501102000&ir=false
/image2.ashx?region=is&time=201501101945&ir=false

我有两个问题：

如何提取时间和字符串/image2.ashx?region=is&time=201501101945&ir=false

如何仅从部分中提取所有内容：var imageUrls = [＆＃34; ........

由于在f里面还有其他地方，我需要从var imageUrls = [＆＃34;并以＆＃34;];

结束

Answer 1

步骤：

使用HtmlAgilityPack获取Html并提取特定的<script>标记。
可能脚本块只能与reg-ex匹配，甚至可以与基本String.IndexOf匹配以删除网址列表
只有网址列表使用String.Split来切换为唯一的
对于每个Url，使用Uri类提取Uri.Query部分而不是Get individual query parameters from Uri

注意：如果JavaScript太复杂，您可能需要获得真正的JavaScript解析器......

Answer 2

这就是我要做的。它不是纯粹的解决方案，但它确实有效。

（以下假设您的数据格式在合理的时间段内保持完全相同。如果管理源的人员发生变化，此代码将中断！）

对模式进行正则表达式匹配＆＃34; var imageUrls = [...];＆＃34;并将其移动到一个单独的字符串。
由此，从字符串中删除var imageUrls = [和];。

路径A：

使用string.split()，创建一个url字符串数组。
在字符串中运行for循环并将它们分配给Uri类（例如：myUri）。您现在可以通过HttpUtility.ParseQueryString(myUri.Query).Get("time");

路径B：

同时砍掉＆＃34; /image2.ashx？region = is＆amp; time =＆＃34;和＆＃34;＆amp; ir = false＆＃34;只留下你真正想要的东西。

Answer 3

要匹配时间使用：

(?!/image2\.ashx\?region=is&time)\d+(?=&ir=false)

DEMO

如何从特定字符串中提取时间？

3 个答案: