Печать страницы - И снова QRegExp

Название: И снова QRegExp
Отправлено: kenny112 от Октябрь 23, 2009, 08:13

Доброго времени суток :)
Я решил написать программу - грабер для страницы, то есть на вход я даю ссылку, а на выходе в папку сохраняются картинки с этой страницы.
И вот есть такой момент - разбор HTML на предмет ссылок на jpg, png, gif и т.д. файлы.
Подскажите как написать регулярное выражение, чтобы эти самые ссылки выдергивались. Вот например часть кода страницы

Цитировать

<td width="100%" align="center"><img src="modules/orehtNews/oktober2009/bbkproig.jpg" /></td> </tr> <tr> <td width="100%" align="center">Проигрыватель BBK DVD DV318SI/ BBK DVD DV319SI/ BBK DVD DV412SI Караоке/ BBK DVD DV414SI Караоке/ BBK DVD DV610SI сер./ BBK DVD DV610SI черн./ BBK DVD DV611SI/ BBK DVD DV615SI/ BBK DVD DV625SI сер./ BBK DVD DV625SI черн./ BBK DVD DV627SI сер./ BBK DVD DV917HD сер. от 1426/1529/2719/2770/1847/1847/1919/1950/2001/2001/2021/2042 руб./шт.</td> </tr> <tr> <td width="100%" align="center"> </td> </tr> <tr> <td width="100%" align="center"> </td> </tr> <tr> <td width="100%" align="center"><img src="modules/orehtNews/oktober2009/bbkmikr.jpg" /></td> </tr> <tr> <td width="100%" align="center">Универсальный динамический микрофон BBK CM-115/ BBK CM-111 от 102/75 руб./шт.</td> </tr> <tr> <td width="100%" align="center"> </td> </tr> <tr background="modules/orehtNews/bg.gif"> <td width="100%" align="center">САНТЕХНИЧЕСКИЕ ИЗДЕЛИЯ:</td> </tr> <tr> <td width="100%" align="center"> </td> </tr> <tr> <td width="100%" align="center"><img src="modules/orehtNews/oktober2009/kollektor.jpg" /></td> </tr> <tr> <td width="100%" align="center">Коллектор 3/4'', евроцанга, с 2-мя кранами, красный, латунь СК 093H (2 red)/с 2-мя кранами, синий, латунь CK 093H (2 blue)/с 3-мя кранами, красный, латунь CK 093H (3 red)/с 3-мя кранами, синий, латунь CK 093H (3 blue)/с 4-мя кранами, красный, латунь CK 093H (4 red)/с 4-мя кранами, синий, латунь CK 093H (4 blue)/с 5-ю кранами, красный ГР 453/с 5-ю кранами, синий ГР 453 от 239,8/239,8/324,7/324,7/414,7/414,7/447,2/447,2 руб./шт.</td> </tr> <tr> <td width="100%" align="center"> </td> </tr> <tr> <td width="100%" align="center"><img src="modules/orehtNews/oktober2009/amerpryam.jpg" /></td> </tr> <tr> <td width="100%" align="center">Соединитель «американка» прямой, для П/С 1/2"х3/4",

тут например желательно выдернуть modules/orehtNews/oktober2009/bbkproig.jpg.
Ну и бывают страницы где ссылка представлена в полном формате http://path/*.jpg
Помогите пожалуйста, уже 3ий день бьюсь и никак не получается :-[

Название: Re: И снова QRegExp
Отправлено: _OLEGator_ от Октябрь 23, 2009, 13:12

Ну если в таком виде поставлен вопрос, что надо искать не только в теге <img>, но и в <tr background="modules/orehtNews/bg.gif">, то просто ищи по регулярному выражению "(.jpg | .png | .gif)" и от позиции вхождения влево и вправо ищи кавычки (одинарные и двойные по необходимости) и получится нужный текст.

Название: Re: И снова QRegExp
Отправлено: zenden от Октябрь 23, 2009, 13:17

Кавычек может и не быть :) В этом самая трудность (а также урезанные возможности кутешного регэкспа по сравнению с другими реализациями)... а если с кавычками, то такой регексп пишется за 5 секунд

Название: Re: И снова QRegExp
Отправлено: kenny112 от Октябрь 23, 2009, 13:27

Цитата: _OLEGator_ от Октябрь 23, 2009, 13:12

Хм.. а как влево можно делать поиск?

to zenden вот похоже мне с двойными кавычками подошло бы..

Цитировать

QRegExp RX("(jpg|png|gif)");
 QString str;
 str=file->readAll();
 int pos=0;
 QStringList list;
 while((pos = RX.indexIn(str, pos)) != -1)
 {
 list<<RX.cap(0);
 qDebug()<<RX.cap(0);
 pos+=RX.matchedLength();
 }
 file->close();

Название: Re: И снова QRegExp
Отправлено: _OLEGator_ от Октябрь 23, 2009, 13:31

ищи с точкой: (.jpg | .png | .gif)
ну и без кавычек можно обойтись - слева ищешь =, а справа пробел или />

Название: Re: И снова QRegExp
Отправлено: zenden от Октябрь 23, 2009, 13:42

Цитировать

to zenden вот похоже мне с двойными кавычками подошло бы..

Код

C++ (Qt)
 QRegExp RX("\"([^\"]*\\.(gif|jpeg|jpg))\""); // или "[\"']([^\"']*\\.(gif|jpeg|jpg))[\"']"
RX.setMinimal(true);
RX.setCaseSensitivity(Qt::CaseInsensitive);

Название: Re: И снова QRegExp
Отправлено: kenny112 от Октябрь 23, 2009, 13:52

Цитата: _OLEGator_ от Октябрь 23, 2009, 13:31

ищи с точкой: (.jpg | .png | .gif)
ну и без кавычек можно обойтись - слева ищешь =, а справа пробел или />

Вот я нашел позицию где стоит jpg png или gif, как организовать поиск влево с этой позиции? И можно ли задать так, чтобы Qregexp находил ближайшие кавычки к расширению?

Название: Re: И снова QRegExp
Отправлено: _OLEGator_ от Октябрь 23, 2009, 13:56

zenden написал выше - вроде работает как надо, проверь...

Название: Re: И снова QRegExp
Отправлено: kenny112 от Октябрь 23, 2009, 14:00

to _OLEGator_
Ага, не увидел :Dспасибо за помощь
to zenden
Спасибо большое, помогло :D :D

Russian Qt Forum

Qt => Общие вопросы => Тема начата: kenny112 от Октябрь 23, 2009, 08:13