Парсинг сообщений с форума

[spmwork1]

Доброй ночи! Интересует как можно спарсить сообщения с форума, в правильном порядке?

Думал долго на счет задачи, пришло в голову несколько идей.

Есть для примера сайт http://www.vestnik-sadovoda.ru/forum/viewtopic.php?f=20&t=897

Нужно спарсить данные в таком формате

имя пользователя;дата сообщения;само сообщение

Пробовал сделать с помощью регулярки и брать все, но получается берет сразу все логины в список и не получается сопоставить в том формате.

Может стоит для начала подсчитать количество сообщений, а потом с помощью цикла по очереди брать имя пользователя, дату сообщения, сам текст сообщения?

Подскажите как лучше сделать это?

Спасибо за помощь!

 

[DmitryAk]

project.Lists["posts"].Clear();
HtmlElementCollection pst = instance.ActiveTab.FindElementsByAttribute("div","class","postbody","text");

foreach (HtmlElement he in pst)
{
   HtmlElement post = he.FindChildByAttribute("div","class","content","text",0);
   HtmlElement author = he.FindChildByAttribute("a", "href", "http://www.vestnik-sadovoda.ru/forum/memberlist.php\\?mode=viewprofile", "regexp", 0);
   HtmlElement dthe = he.FindChildByAttribute("p", "innertext", " »", "regexp", 0);
   
   string posttext = post.InnerHtml;
   string authortext = author.InnerText;
   string dt = dthe.InnerText;
   string rdt = Regex.Match(dt,@"(?<=»\ ).*",RegexOptions.IgnoreCase).Value;
     
   project.Lists["posts"].Add(authortext+";"+rdt+";"+posttext);
   
}

 

[doc]

сначала по регулярке или работе с хтмл взять все блоки, отвечающие за комментарий. Потом уже с каждого блока отдельно парсить логин, дату т.д.

 

[spmwork1]

project.Lists["posts"].Clear();
HtmlElementCollection pst = instance.ActiveTab.FindElementsByAttribute("div","class","postbody","text");

foreach (HtmlElement he in pst)
{
   HtmlElement post = he.FindChildByAttribute("div","class","content","text",0);
   HtmlElement author = he.FindChildByAttribute("a", "href", "http://www.vestnik-sadovoda.ru/forum/memberlist.php\\?mode=viewprofile", "regexp", 0);
   HtmlElement dthe = he.FindChildByAttribute("p", "innertext", " »", "regexp", 0);
  
   string posttext = post.InnerHtml;
   string authortext = author.InnerText;
   string dt = dthe.InnerText;
   string rdt = Regex.Match(dt,@"(?<=»\ ).*",RegexOptions.IgnoreCase).Value;
    
   project.Lists["posts"].Add(authortext+";"+rdt+";"+posttext);
  
}

спасибо за помощь!

 

[spmwork1]

Пробовал сделать похожий парсинг на другом сайте http://www.stavochka.com/forum/viewtopic.php?f=1&t=1129

Используя тот снипет который предложил @DmitryAk

Подставил регулярки на те, которые на другом сайте, но результат пустой. Кто может подсказать, что не так я сделал в этом коде?

project.Lists["posts"].Clear();
HtmlElementCollection pst = instance.ActiveTab.FindElementsByAttribute("div","class","postbody","text");
foreach (HtmlElement he in pst)
{
   HtmlElement post = he.FindChildByAttribute("div","class","postbody","text",0);
   HtmlElement author = he.FindChildByAttribute("b","class","postauthor","text", 0);
   HtmlElement dthe = he.FindChildByAttribute("div", "innertext", "Добавлено:\ \ ", "regexp", 0);
   
   string posttext = post.InnerHtml;
   string authortext = author.InnerText;
   string rdt = dthe.InnerText;
     
   project.Lists["posts"].Add(authortext+";"+rdt+";"+posttext);
   
}