菜鸟问题求教~~各位大大帮忙~~谢谢~~

txw300

我现在要将从网页上抓取的内容放到我的数据库里，抓取到的数据是这个样子的：
<table>
    <tr>
        <td>
        名称:
        </td>
        <td>
        12323123
        </td>
    ............
    </tr>
</table>
空格、换行甚么的都已经被我去掉了，但是现在有这么个问题~~
我想把所有的标签都去掉，就是凡是<xxx>这样的内容都去掉，可是实际上程序把全部内容都给我整没了，认了字符串开头的<，和结束的>，这个怎么办~~
//$a = preg_replace('(<.*>)','',$a);
这样的的结果并不是让上面的字符串变成   名称：12323123  ，而是全部没有了，成空的了
正则我实在不太熟，各位大大们帮帮忙，帮我把字符串中间的标签去掉，而不要全部整没了~~~多谢各位回帖帮忙~~

[ 本帖最后由 txw300 于 2008-12-15 13:19 编辑 ]

Sorehead

自己写个函数吧。
大致思路，查找符号>，然后从后面再查找符号<，获取这两个地址中间的字符串就可以了。

timespace

每种流行的语言都有好的xml/html解析库，而且正则表达式不是万能的

duanjigang

你要获取的数据是标准的table中的吗？还是有其他的？？
如果只是talble的话，那就好办写，因为需要去掉的都是

1. 
   
2. <table XXX> <tr XXX> <td XXX>
   
3. </table XXX> </tr XXX> </td XXX>
   

复制代码

这样的格式，LZ确认一下吧，如果这样的话，libxml应该可以解决，自己写函数也行

txw300

3Q  是标准的TABLE~~决定用xml写了~~谢谢大家·~

txw300

用正则确实难匹配~~
'<'跟'>'程序搞不清我要匹配的是哪个。。。

walkerxk

<[^>]+>
如果是BRE的话需要转义一下<[^>]\+>

原帖由 timespace 于 2008-12-15 14:42 发表
每种流行的语言都有好的xml/html解析库，而且正则表达式不是万能的

RE就是万能的

walkerxk

原帖由 txw300 于 2008-12-16 00:05 发表
用正则确实难匹配~~
''程序搞不清我要匹配的是哪个。。。

这个是正则的贪婪性，默认是匹配最大。因为你使用.，而.可以匹配>所以全匹配了。

MMMIX

原帖由 walkerxk 于 2008-12-16 00:11 发表

RE就是万能的

regexp 能识别的语法只是 context-free grammar 的一个子集。

duanjigang

原帖由 txw300 于 2008-12-16 00:04 发表
3Q  是标准的TABLE~~决定用xml写了~~谢谢大家·~

支持你这种自己动手的做事方法。:wink:
libxml有好多例子，多多参考