Сложный (выборочный) парсинг

[Werti]

Подскажите, плиз...

На странице идет вот такой текст:

Абзац 1
Абзац 2
Абзац 3
Абзац 4
Строка Х
Абзац 5
Абзац 6

Мне нужно спарсить текст до Строки Х, т.е. только Абзацы 1-4.

Проблема осложняется тем, что на некоторых страницах может не быть Строки Х, в этом случае нужно спарсить все абзацы.

Иными словами, если есть Строка Х – нужно ее игнорировать, и игнорировать все, что идет за ней; а если Строки Х нет – то нужно парсить все.

В DOM'е у всех абзацев одинаковые теги, т.е. как-то идентифицировать ненужные абзацы вроде как невозможно. Строку Х идентифицировать можно, у нее есть уникальные опознавательные признаки.

Подскажите, как решить такую задачу?

 

[Mikhail B.]

Была подобная задача.

Просто регуляркой заменял на пустоту эти строки, и далее парсил что надо. Соотвественно если заменять нечего, то парсится будет все.

 

[Phoenix78]

ну как мне кажется можно проверить наличие строки x и если есть парсить по 1-му алгоритму, если нет по 2-му.

 

[Werti]

Просто регуляркой заменял на пустоту эти строки

Ну Строку Х заменить не проблема, а как заменить на пустоту ТО, что идет ПОСЛЕ Строки Х?

 

[Werti]

ну как мне кажется можно проверить наличие строки x и если есть парсить по 1-му алгоритму, если нет по 2-му.

Так алгоритм с наличием этой строки - это и есть основная проблема! Как парсить ДО строки, опуская строку и все что ниже?

 

[Mikhail B.]

Ну Строку Х заменить не проблема, а как заменить на пустоту ТО, что идет ПОСЛЕ Строки Х?

Ну так есть конец у этого года. Что там не к чему зацепится? Сноси хоть все, если это не нужно. Делай регулярку текст начинается со строки X, разрешить переносы и заменяй.

 

[Werti]

Ну так есть конец у этого года. Что там не к чему зацепится? Сноси хоть все, если это не нужно. Делай регулярку текст начинается со строки X, разрешить переносы и заменяй.

Попробую, хотя по данному пути я уже пытался идти; не получилось.

 

[Mikhail B.]

Попробую, хотя по данному пути я уже пытался идти; не получилось.

Кидай код поможем.
Только заключи его в код)

[CODE=csharp][ /CODE]

 

[Sergodjan]

если есть Строка Х – нужно ее игнорировать, и игнорировать все, что идет за ней; а если Строки Х нет – то нужно парсить все.

Попробуйте поэкспериментировать с такой регуляркой:

([\w\W]*?(?=Строка\ Х))|([\w\W]*)

Если Строки Х не будет, то спарсит все, если будет, то спарсит до Строки Х. (0-ое совпадение)

 

[Werti]

Попробуйте поэкспериментировать с такой регуляркой:

([\w\W]*?(?=Строка\ Х))|([\w\W]*)

Если Строки Х не будет, то спарсит все, если будет, то спарсит до Строки Х. (0-ое совпадение)

Посмотреть вложение 60591

Посмотреть вложение 60592

Спасибо, попробую.

 

[Werti]

Кидай код поможем.
Только заключи его в код)

[CODE=csharp][ /CODE]

Ну я еще попробую регуляркой ([\w\W]*?(?=Строка\ Х))|([\w\W]*) , а если снова не получится - снова приду сюда, уже с кодом.

 

[Werti]

Вроде получилось, всем спасибо.