テキストから文字列を抜き出すには？(HTMLソース

質問

HTMLが書かれたテキストファイルから
<a href="http://-----.com">hogehoge</a>のように書かれたタグから
http部及びhogehoge部を抜き出すのに良い方法はないでしょうか？

現在IndexOfを使って"<a"～等で取得していますがタグの書き方によっては
<a href="から始まっているとは限らないのでこの辺りも何とかしたいと考えてます。

何かご存知の方いましたらご教授お願いします

環境はVB 2005 Pro を使用しております

回答No.1

naganaga_001 · ベストアンサー

お世話になります。
正規表現を使えばよいと思います。

Dim teststr1 As String = "<a href='http://hgoehoeg/'>abc</a>"
Dim teststr2 As String = "<a target='_blank' href='http://hgoehoeg/'>def</a>"
Dim teststr3 As String = "<a target='_blank' href='http://hgoehoeg/' >ghi< / a>"

Dim reg As System.Text.RegularExpressions.Regex _
= New System.Text.RegularExpressions.Regex("(?<=<a.*?>).*(?=<.*/)")
Dim m1 As System.Text.RegularExpressions.Match = reg.Match(teststr1)
If m1.Success Then Console.WriteLine(m1.Value)
Dim m2 As System.Text.RegularExpressions.Match = reg.Match(teststr2)
If m2.Success Then Console.WriteLine(m2.Value)
Dim m3 As System.Text.RegularExpressions.Match = reg.Match(teststr3)
If m3.Success Then Console.WriteLine(m3.Value)

お礼

回答ありがとうございます。
やはり柔軟に解析しようとすると正規表現は避けれない道のようですね
サンプルソースを参考にさせていただきます。

これは余談ですがVB関係で検索した時に時々見かける
なおこ(・∀・)さんだったんですね、困ったときは色々参考にさせていただいてます。

回答No.2

BLUEPIXY

ＩＥオブジェクトに読み込ませて、ＤＯＭで取り出すのが簡単かも
----------------------------------------------------------------
Imports System
Imports Microsoft.VisualBasic

Namespace InternetExplorer
Public Class Explorer
Public Shared Sub Main()
Dim IE As Object = CreateObject("InternetExplorer.Application")
IE.Navigate("http://okwave.jp/kotaeru.php3?q=2231283")
IE.Visible = False
Do while IE.busy
Loop
Do while IE.Document.readyState <> "complete"
Loop
Dim x As Object

for each x in IE.Document.links
Console.WriteLine(x.href & " " & x.innerText)
next

IE.Quit
IE = nothing
End Sub
End Class
End Namespace
----------------------------------------------------------------
コンソールプログラムで書いているので、CreateObjectを使ってますけど、参照設定してイベントの割り付けとかしてやると、Do ～ Loop みたいなブサイクなことをしないでもDocumentCompleteイベントが使えます。

お礼

回答ありがとうございます。
シンプルに抽出するならこちらを使用した方が簡単に出来ますね
解析対象によって使い分けたいと思います