采集问题...不知道怎么弄了..
定价:</span> 28<br/><span class="pl">出版社:</span> 当代世界出版社<br/><span class="pl">装帧:</span> 平装<br/><span class="pl">出版年:</span>
比如这段.我想采集...
正则：
＂定价:</span> [^w]*<br/><span class="pl">出版社:＂
首字的唯一关键字，我找到了。但第二关键字，却不好把握，因为如：出版社，装桢等，如果没有则不显示了．就会变成
定价:</span> 28<br/><span class="pl">装帧:</span> 平装<br/><span class="pl">出版年:</span>这个样子．变化太大。所以就采集不到信息了．．
但我以前用别人的采集程序，比如我采集定价．
正则：定价:</span> [^w]*<br/>
这样就行了．程序会默认找里首个关键字最近的结尾．．
但我自己写的程序就不行了．好象默认是找最后一个关键字的结尾．．
麻烦大家告知一下。
还有．比如我设置好采集规则后．
定价:</span> [^w]*<br/>
实际上我应该采集２８就行了。但采集出来是</span> ２８<br/>这样的．还要分别过滤<br/>和</span>，比较麻烦。有什么简单的方法吗？
[解决办法]
(?<=<span\s+.*?>)(?<author>.*?)(?=</span>)
--------
这一句的语意就是匹配网页当中所有<span>标签中的内容
------
然而是所以<span>中的全部内容,但我们只需要包含作者的内容的<span>标签中的内容
所以需要再加一个限制
即
(?<=<span\s+.*?>\s*作者:\s*)(?<author>.*?)(?=</span>)
--------------------
这一句的语意就是匹配网页当中所有<span>标签中包含作者的<span>标签的内容
