Regex Email

[eXnR]

Siema,

 

Próbuję zrobić pobieranie email z strony:

Na stronie jest takie coś (kilka):

 

<a target="bank" id="[email protected]"  title="[email protected]" />

<a target="bank" id="[email protected]"  title="[email protected]" />

 

itd

 

A mój kod: 

private void button2_Click(object sender, EventArgs e)
        {
            HttpWebRequest request = (HttpWebRequest)WebRequest.Create("strona");
            HttpWebResponse response = (HttpWebResponse)request.GetResponse();

            StreamReader sr = new StreamReader(response.GetResponseStream());
            string sourceCode = sr.ReadToEnd();
            sr.Close();
            response.Close();

            Regex reg = new Regex("");
            Match mat = reg.Match(sourceCode);

            StreamWriter sc = new StreamWriter(@"SC.txt");
            sc.Write(mat.Value);
            sc.Close();
            

        }

Jak zrobić żeby pobierało emaile i wpisywało do SC?

[Gość]

Przykładowe wyrażenie:

<a target="bank" id="user-(.+?)"  title="\1" \/>

Następnie robisz sobie taki obiekt regexa(będzie trzeba pokombinować z wpisywaniem go do kodu, bo będzie problem ze znakiem ") i lecisz taką pętelką:

foreach (Match i in expr.Matches(text))
{
// tutaj uzyskasz email pisząc i.Groups[1]
}

Ofc. musisz mieć obiekty expr(Regex) i text(String).

[eXnR]

hm, nie jestem pewien czy do końca rozumiem. 

Mógłbyś podać jakiś zarys kodu na podstawie mojego? 

 

Poza tym 

<a target="bank" id="user-(.+?)"  title="\1" \/>

Da się to wgl wpisać? Myślałem żeby wrzucić najpierw do stringa, ale coś nie chce działać.

 

A i mógłbyś mi wytłumaczyć czemu akurat:

(.+?)

i 

\1

Tak z czystej ciekawości, żeby się czegoś nauczyć

 

Edit: dobra zrobiłem inaczej i niby działa, ale pobiera tylko jakieś literki.

Wydaje się że muszę wpisać całe  

<a target="bank" id="user-(.+?)"  title="\1" \/>

ale nie wiem jak

[Gość]

Przyjrzałem się temu i wpisać się da za pomocą \" oraz \\. Masz tutaj przykładowe wykorzystanie.

 

Regexy działają w ten sposób, że po prostu szukają pasujących wyrażeń w tekście. Ten fragment

<a target="bank" id="user-

nie zawiera niczego specjalnego i po prostu szuka takiego ciągu znaków.

(.+?)

Teraz - nawiasy po pierwsze grupują wyrażenie, ale to co się w nich znajdzie zostaje zapisane jako zawartość tzw. capture group'a - jako że jest to pierwsza grupa, będzie można uzyskać zawartość za pomocą .Groups[1] na obiekcie Match. Kropka oznacza dowolny znak poza końcem linii, plus oznacza że ma znaleźć 1 lub więcej poprzedniego elementu(w tym przypadku kropki, tj. dowolnego znaku poza znakiem końca linii), natomiast pytajnik tutaj oznacza że to .+ ma znaleźć tak mało znaków, jak się da. Cała zawartość tego zostaje zapisana jako capture group. Zostaje już tylko kawałek

\1

Oznacza on że ma się tam znajdować ciąg znaków identyczny z zawartością capture group'a nr 1.

 

Jak chcesz się nauczyć więcej o regex'ach to przeczytaj jakiś kurs albo poeksperymentuj sam np. tutaj, na żywo możesz edytować wyrażenie, znajduje ci błędy, koloruję składnie itp..

[eXnR]

Ok, dzięki za wytłumaczenie . 

 

Zrobiłem tak:

 List<string> emaile = new List<string>();
            WebClient web = new WebClient();
            string html = web.DownloadString("strona");
            MatchCollection m1 = Regex.Matches(html, "<a target=\"bank\" id=\"user-(.+?)\"  title=\"\\1\" \\/>", RegexOptions.Singleline);

            foreach (Match m in m1)
            {
                string email = m.Groups[1].Value;
                emaile.Add(email);
            }
            listBox1.DataSource = emaile;

Wzorując się na filmiku z yt. Niestety nie działa. (nic się nie dzieje) 

 

Jeszcze wcześniej miałem tak:

List<string> emaile = new List<string>();
            WebClient web = new WebClient();
            string html = web.DownloadString("strona");
            MatchCollection m1 = Regex.Matches(html, @"user-(.+?)", RegexOptions.Singleline);

            foreach (Match m in m1)
            {
                string email = m.Groups[1].Value;
                emaile.Add(email);
            }
            listBox1.DataSource = emaile;

I pobierało tylko jakieś literki. 

[Gość]

Samo wyrażenie działa poprawnie, masz coś źle z tym WebClient'em/listą/ListBox'em.

[eXnR]

listbox na pewno działa. WebClient raczej też. Edit. Tutaj wszystko działa. Sprawdzałem. 

 

Może by zrobić tak żeby pobierał cały kod strony do txt, potem to ładować do array'a, oddzielać emaile i dopiero do listboxa? Tylko 1. Nie wiem jak zrobić żeby do listboxa wczytywał z pliku tylko emaile (coś z split?) no i 2 To pewnie strasznie spowolni program? szczególnie że jak się kliknie jeszcze raz będzie pobierał od nowa.

[Gość]

Nie jest to wina kodu, (prawie)przekleiłem i działa:

. Tak więc coś jest źle ze stroną, bo na przykładowej stronie:

 

<html><head>
<a target="bank" id="[email protected]"  title="[email protected]" /><br />

<a target="bank" id="[email protected]"  title="[email protected]" /><br />


</body></head>

 

Działa bez najmniejszego problemu.

 

Inną opcją jest też to, że przykłady które podałeś nie do końca zgadzają się z rzeczywistością i przez to regex ich nie łapie(a ważny jest każdy znak).

[eXnR]

Nie, już sobie poradziłem . Okazało się że jeden znak krzaczy i przez to nie działało  

Temat do zamknięcia. Dzięki za pomoc.