求正则表达式

mjzxlmg

求用正则表达式从网页代码中提取数据：
网页数据格式如下 ：

<tr height=41 style='mso-height-source:userset;height:30.75pt'>
  <td height=41 class=xl6423934 style='height:30.75pt'></td>
  <td class=xl6523934 width=99 style='width:74pt'>行政区划代码</td>
  <td class=xl6623934 width=233 style='width:175pt'><span
  style='mso-spacerun:yes'>  </span>单位名称</td>
  <td class=xl6423934></td>
  <td class=xl6823934></td>
  <td class=xl6823934></td>
  <td class=xl6823934></td>
  <td class=xl1523934></td>
  <td class=xl1523934></td>
</tr>
<tr height=19 style='mso-height-source:userset;height:14.25pt'>
  <td height=19 class=xl6423934 style='height:14.25pt'></td>
  <td class=xl6923934>110000</td>
  <td class=xl6923934>北京市</td>
  <td class=xl6423934></td>
  <td class=xl6823934></td>
  <td class=xl6823934></td>
  <td class=xl6823934></td>
  <td class=xl1523934></td>
  <td class=xl1523934></td>
</tr>
<tr height=19 style='mso-height-source:userset;height:14.25pt'>
  <td height=19 class=xl6423934 style='height:14.25pt'></td>
  <td class=xl6923934>110101</td>
  <td class=xl6923934><span style='mso-spacerun:yes'>    </span>东城区</td>
  <td class=xl6423934></td>
  <td class=xl6823934></td>
  <td class=xl6823934></td>
  <td class=xl6823934></td>
  <td class=xl1523934></td>
  <td class=xl1523934></td>
</tr>
<tr height=19 style='mso-height-source:userset;height:14.25pt'>
  <td height=19 class=xl6423934 style='height:14.25pt'></td>
  <td class=xl6923934>110102</td>
  <td class=xl6923934><span style='mso-spacerun:yes'>    </span>西城区</td>
  <td class=xl6423934></td>
  <td class=xl6823934></td>
  <td class=xl6823934></td>
  <td class=xl6823934></td>
  <td class=xl1523934></td>
  <td class=xl1523934></td>
</tr>

提取到的数据大致为两列：
行政区划代码 单位名称
110000 北京市
110101 东城区
110102 西城区

代码大致为这样：

•    Set reg = CreateObject("vbscript.regexp")
•    Set dic = CreateObject("Scripting.Dictionary")
•     reg.Pattern = "这里不会用表达式"
•     reg.Global = True
•     Set mh = reg.Execute(s)
•     For Each k In mh
•         dic.add k.SubMatches(0),  k.SubMatches(1)
•     Next
  

小花鹿

猜一个：
”<td class=xl6923934>(\d{6})</td><td class=xl6923934>.*([一-龥]+)</td>"

未忘初心

正则参考学习.rar (11.78 KB, 下载次数: 27)

2016-10-29 01:10 上传

点击文件名下载附件

看看可以不

未忘初心

(\w+)</td>\s+<td class=xl6923934>(<span style='mso-spacerun:yes'>    </span>)?([一-龢]+)

tcdatongye

>(\d+|[一-龡]+)<

mjzxlmg

未忘初心 发表于 2016-10-29 01:12
(\w+)\s+(    )?([一-龢]+)

测试附件正确，但真正网页数据中xl6923934是不一定相同的

tcdatongye

1. Sub Test()
   
2.     ss = Cells(1, 1)
   
3.     Set reg = CreateObject("VBScript.RegExp")
   
4.     With reg
   
5.         .Global = True
   
6.         .Pattern = ">(\d+|[一-龡]+)<"
   
7.         Set mt = .Execute(ss)
   
8.         For i = 0 To mt.Count - 1
   
9.           t = (i + 1) / 2
   
10.            If t = Int(t) Then
    
11.              Cells(t, 2) = mt(i - 1).submatches(0)
    
12.              Cells(t, 3) = mt(i).submatches(0)
    
13.             End If
    
14.         Next i
    
15.     End With
    
16. End Sub

复制代码

xgczwp

支持楼主。