提取具有特定属性的HTML标签的内容

文章/答案/技术大牛

发布

0回答

html、node.js、regex

使用正则表达式，我需要提取标记的多行内容，它具有特定的id值。我该怎么做呢？<div(.|\n)*?id="${value}"(.|\n)*?>(.|\n)*?<\/div><div id="1">test</div><div id="2">test</div> 如

浏览 2提问于2017-06-10得票数 0

3回答

regex从所有meta标记中提取所有属性

php、regex、preg-match-all、meta-tags

我正在尝试从一个html页面中提取meta标签，来比较两个页面(live和dev)，看看在网站重新设计/重构后，它们的SEO是否相同。我的问题是获取元标签只有在它们具有name=属性时才有效，这与"mariano at Cricava.com“的解决方案相同。我不想限制它具有特定的属性，我可以假设我们所有的元标签都有一个nam

浏览 3提问于2011-07-17得票数 1

回答已采纳

1回答

如何使用nutch插件解析位于特定HTML标签中的内容？

nutch

我正在使用Nutch抓取网站，我想分析由Nutch抓取的html页面的特定部分。我知道我必须创建一个用于自定义解析的插件，因为Nutch提供的htmlparser插件会删除所有的html标签、css和javascript内容，只留下文本内容。我参考了这个博客，但我发现它是用来解析html标签的，而我想解析的是具有特定值的

浏览 3提问于2013-07-31得票数 7

1回答

如何使用xpath为这种html提取所有的常规段落？

python、html、xpath、html-parsing

url = "“我想提取新闻的所有常规段落，即没有任何属性的所有标签<p>。我使用：content = [p.xpath("normalize-space(.)") for p in hxs.xpath("//span[@id='content']/p[not(@*)]")

浏览 1提问于2016-07-14得票数 2

1回答

在一个动态方面聚合具有不同元数据内容的结果

google-search-appliance

我们需要将不同的内容合并到一个单一的过滤器中。属性的显示标签出现在“搜索结果”页面上。显示标签可以与为实体识别而配置的实体名称或HTML中的属性不同。例如，对于以下元标记<META NAME="pub"

浏览 2提问于2016-01-15得票数 0

回答已采纳

3回答

Jquery选择具有特定属性的所有对象

jquery、jquery-ui

我想选择页面上具有特定属性的所有元素。例如，我有一个名为"tip"的属性，我将tip="...whatever..."添加到很多html标记中。我希望能够选择具有此属性的所有html标签。并不是所有具有该属性等于特定值的html标签。

浏览 2提问于2010-12-18得票数 0

回答已采纳

1回答

如何使用(ActionScript 3) RegEx匹配具有可选属性、一个特定属性/值的标签，并保留其内容？

regex、actionscript

我对regex并不陌生，但遇到了一个我似乎无法解决的问题。我试图找到一个具有特定属性/值对的特定HTML标记(它也可能有其他属性，但这些属性是可选的)，提取它的内容作为反向引用，并在它周围包装一个新的自定义标记。原始标签为： <p backgroundColor="#0066cc" color

浏览 2提问于2011-03-04得票数 0

6回答

正则表达式是查找一行HTML的合适工具吗？

php、regex、html

我有一个PHP脚本，可以从服务器上提取一些内容，但问题是内容所在的行每天都在变化，所以我不能只提取特定的行。但是，内容包含在具有唯一id的div中。regex是否可以(也是最好的方式)搜索这个唯一的id，然后将它所在的行传递回我的脚本？示例：<html><head>&l

浏览 0提问于2009-11-19得票数 4

回答已采纳

1回答

当选定选项上下文参数不存在时，在VisualStudio2013Webtest中禁用WebTestException

visual-studio-2013、web-testing

也就是说，这个Html标记存在于：但它没有像这样的子标签：我还尝试使用“提取属性值”提取规则在下拉列表中提取选定的项，因为后一条规则具有“必需”属性。规则是查找具有属性"selected=se

浏览 0提问于2016-01-29得票数 0

回答已采纳

2回答

从不带class或id的HTML中选择图像标签属性

python、lxml

我有HTML页面解析通过Python与Lxml。问题是我必须从HTML图像标记中获取值，这些值没有任何class或id属性。</td></td></tbody></table> 所以，为了解决我的</e

浏览 0提问于2012-07-17得票数 0

2回答

使用Solr为带有属性的HTML标记建立索引

solr、nutch

我使用Nutch抓取网站，并将抓取的数据推送到solr。现在我想在具有特定属性值的特定标签之间搜索内容。如果我必须写一个插件，我只需要几个方向来处理html标签和属性。

浏览 3提问于2013-06-27得票数 1

2回答

匹配1个html文件中的2个HTML标记的正则表达式

php、html、regex、html-parsing

我有一个HTML文件，其中包含以下内容：<something:else bla="blabla" bla="bla"><something:else2 something="something">现在我需要一个正则表达式来匹配MATC

浏览 0提问于2010-12-25得票数 3

1回答

如何使用BeautifulSoup获取over标记内的内容

beautifulsoup、html-parsing

我想从一个超文本标记语言片段中提取内容(“_The_important_content_”)，如下所示： </div>for i in soup.findAll('div', class_="a:2 c:gray m:da"):但是因为“BeautifulSoup”字段包含新的</em

浏览 2提问于2017-10-07得票数 0

2回答

如果url可用，则显示html块

html

我需要显示一个html块，如果特定的链接是可用的，而不使用javascript。换句话说，我需要反转具有data属性的object标签的行为，例如：如果error.src不可用，则显示内容。

浏览 3提问于2016-10-28得票数 1

4回答

大规模抓取/解析的技术是什么？

parsing、screen-scraping、large-data-volumes

我们正在设计一个大规模的web抓取/解析项目。基本上，脚本需要遍历网页列表，提取特定标记的内容，并将其存储在数据库中。如果要进行大规模(数千万页？)的操作，您建议使用哪种语言？。我们使用MongoDB作为数据库，因此任何具有可靠MongoDB驱动程序的都是一个加号。到目前为止，我们一直在使用PHP、curl和，但我不认为它们可以扩展到数百万个页面，特别是在PHP没有适当的多线程的情况下。我们需要一些易于开发

浏览 1提问于2010-06-30得票数 8

2回答

使用正则表达式删除表内的width标记

javascript、html、css、regex

在将内容保存到数据库之前，我正在做一些html处理。当用户粘贴任何有html表格的内容时，我需要删除一些标签和属性。我正在通过content.match('<table[^>]*>(.*?)</table>')提取表格内容。在这个内容中，它有width标签作为属性，也有style标签。我想要像<t

浏览 0提问于2016-06-10得票数 1

4回答

如何使用DOM节点的属性找到它

java、html、parsing、dom

我使用JAVA在编译时将HTML/JSP解析为DOM。现在我有了w3c.dom.Document对象，比方说下面的HTML ....我知道元素的属性值。这里，"EnterName“是节点”输入“的”名称“属性值。假设我拥有DOM中所有可用节点的属性值(比如上面HTML的"EnterName“、"SelectOptions”)，那么如何才能获得特定</em

浏览 5提问于2012-11-08得票数 2

回答已采纳

2回答

简单的HTML* DOM获取meta标记的特殊属性值*

html、dom、attributes

我想在我的项目中使用<html><body><body>我在下面尝试，但它不起作用 echo $html

浏览 0提问于2015-05-22得票数 2

2回答

HTML解析和提取文本

html-parsing、jsoup、text-extraction

有许多资源可用于解析HTML页面和提取文本内容。Jsoup就是一个例子。在我的例子中，我想提取带有html标签的文本内容，每个句子都在html标签下出现。to extract <b>textual content <em> with html tags</em> </b> from html pa

浏览 6提问于2012-08-27得票数 2

回答已采纳

2回答

试图使用Python从标记中提取“文本”

python、html

我试图在这个页面的第一列()上提取代理IP号，例如："178.33.62.155“，但是当我试图提取相关标签上的所有文本内容时，它不会得到Ip文本。网站上的html标签是： <td align="left"><script>document.write('23178.3'.substr(2) + '3.62.155');</script>

浏览 3提问于2017-05-14得票数 1

回答已采纳

点击加载更多