利用正则表达式去除网页采集时的干扰码

xieyunkui

利用正则表达式去除网页采集时的干扰码

public string Cleardistrub(string html)

        {

            string p = @"<span style=""display:none"">(?<posttitle>.*?)</span>";

         return Regex.Replace(html , p, "", RegexOptions.IgnoreCase);

        }

只取得中间字符串

输入：public <%=classname%>Extension : IExt

目的：匹配 <%= %>中间的classname并替换

表达式：<%=.*%>

代码：

private string Replace(string input){ return Regex.Replace(input, @"<%=.*%>", new MatchEvaluator(RefineCodeTag), RegexOptions.Singleline);}
string RefineCodeTag(Match m){ string x = m.ToString();
x = Regex.Replace(x, "<%=", ""); x = Regex.Replace(x, "%>", "");
return x.Trim() + ",";}