[Regex]Wyrażenie regularne Opcje

[MateuszS]

Witam, niestety w moim projekcie muszę użyć rzeczy, której totalnie nie rozumiem i nienawidzę czyli wyrażeń regularnych. Co prawda projekt jest w C++ ale to chyba jedno i to samo jeżeli chodzi o wyrażenie regularne. Mam takie cudo

[HTML] pobierz, plaintext 
<span id="num_a" class="">
                        2.098                    </span>
 
...
 
<span id="num_b" class="">
                        1.098                    </span>
 
 
...
 
<span id="num_c" class="">
                        5.098                    </span>
[HTML] pobierz, plaintext 

I muszę z tych trzech tagów wybrać wartości liczbowe. Jak widać zmienia się tylko "id" taga oraz sama wartość w tagu którą chcę pozyskać. Próbowałem różnych kombinacji z grupowaniem ale nie działa to tak jak bym chciał...

[redeemer]

Wyrażenia regularne nie za bardzo nadają się do parsowania HTML. http://www.mostthingsweb.com/2013/02/parsing-html-with-c/ Jeśli natomiast musisz skorzystać z wyrażeń regularnych to może:

Kod

/<span id="num_[a-z]" class="">(.*?)?<\/span>/s

[MateuszS]

Coś w tym stylu tylko zamiast tych [a-z] to musi być wyraz. Trochę faktycznie wprowadziłem w błąd bo gdyby to było sama jedna literka to nie byłoby takie trudne ale tu mam coś takiego bardziej.

[HTML] pobierz, plaintext 
num_jeden
 
num_dwa
 
num_trzy
[HTML] pobierz, plaintext 

czyli wieloliterowe słowa. Oczywiście próbowałem z grupowaniem (.+) a także z alternatywą (jeden|dwa|trzy) tyle że mi to nie działa.

[b4rt3kk]

A zwykłe [a-z]+ nie wystarczy?

[MateuszS]

[PHP] pobierz, plaintext 
std::regex pattern("<span id=\"num_[a-z]+\" class="">(.*)</span>");
[PHP] pobierz, plaintext 

nie działa

[freemp3]

Co prawda projekt jest w C++ ale to chyba jedno i to samo jeżeli chodzi o wyrażenie regularne.

Niestety to nie jest jedno i to samo. PHP korzysta z POSIX oraz PCRE natomiast C++ z wyrażeń regularncyh ECMAScript.
To wyrażenie nie zadziała ponieważ "." oznacza wszystko oprócz nowej linii dlatego trzeba dodać do wyrażenia obsługę nowych linii. Całość wygląda tak:

Kod

<span id=\"num_[a-z]+\" class="">((?:.|\n)*)</span>

Dodatkowo polecam aby zapoznać się z tym:
http://www.cplusplus.com/reference/regex/ECMAScript/

[MateuszS]

Niestety też nie działa. Może te spacje między wartością a tagami też coś psują?

[gothye]

litera "i" na końcu pomoże pominąć spacje

[MateuszS]

Chyba nie. W dokumentacji nie ma nic z samym "i". Próbowałem dodać i nie pomogło. W c++ za spacje chyba odpowiada \s (też próbowałem)

Co ciekawe nawet takigo czegoś nie znajduje

Kod

std::regex pattern("<span id=\"num_jeden\" class="">")

Ten post edytował MateuszS 18.07.2013, 21:35:39

[freemp3]

Mógłbyś podać ten kawałek kodu, w którym wykonujesz sprawdzanie?

[MateuszS]

Z tego co się dowiedziałem chodzi o różne kodowanie znaków na stronie z której pobieram dane (UTF-8) i inne w konsoli C++. Mimo że oba stringi wyglądają identycznie, gdy je porównujemy program twierdzi że są różne.

[freemp3]

W takim razie wstaw tekst na sztywno do kodu, w tedy będziesz wiedział czy to wina kodowania czy wyrażenia.