Strings zwischen zwei unterschiedlichen Strings finden

[AlexMuc]

Hallo Forum,

peinlich, peinlich (in Perl war das so einfach) - ich habe mich das ganze Wochenende damit beschäftigt und keine Lösung gefunden:

Es wird der Quelltext einer Webseite in einen String eingelesen.
In diesem String sollen alle vorkommenden Strings in einem Array gespeichert werden welche sich zwischen Anfang [_blocked_div">] und Ende [ <small>] befinden. Von den gesuchten Strings weiß man nur, dass sie vorhanden sind, jewweils einmalig sind und eben zwischen Anfang und Ende stehen. Aber NICHT wie sie lauten, wie lange sie sind, ob leerzeichen vorkommen. Sie können auch öfter in einer Zeile vorkommen.

Habe mir split, Mid und Instr angesehen und experimentiert, aber bekomme es einfach nicht hin.

Hat jemand die Muße mir ein Beispiel zu posten? Es geht nur darum diese Strings zu finden, ah und die Schleife, damit er nach dem ersten Treffer nicht in die nächste Zeile springt sonder in gleicher Zeile nach einem weiteren Vorkommen sucht.

Vielen Dank, Alex

[Ralf Jansen]

Das Stichwort dafür ist "Reguläre Ausdrucke". In .NET insbesondere über die Regex Klasse zu behandeln.
Für ein Beispiel in diesem Forum guckst du hier.

[AlexMuc]

Hallo und Danke für den Tip.

Leider habe ich es immer noch nicht gelöst.

Meinen Regex-Ausdruck habe ich, denke ich... ;-)

(?<=_blocked_div"">)(.+)(?= <small>)

Nur die Schleife bekomme ich nicht hin. Das Beispiel im obigen Link bringt mich auch nicht weiter, da es scheinbar für nur einen Treffer gabaut ist.

Mein Plan ist in etwa folgender:

For Each mach in RegEX(String, "(?<=_blocked_div"">)(.+)(?= <small>)")
ReDim Preserve ergebnis(+1) = mach
Next

Das dieser code völlig falsch ist, ist mir klar, er soll nur mein vorhaben erklären.

kann mir da jemand unter die arme greifen?

Danke, alex

[Ralf Jansen]

Auch das mit der Schleife ist in dem verlinkten Thread zu finden.
Regex.Matches liefert dir eine Collection von Treffern über die du mit einem foreach iterieren kannst.

[AlexMuc]

Hallo Zusammen, besonders Ralf,

habe die letzen Tage dann doch eingesehen, dass man sich wohl nicht "mal auf die Schnelle" Vb.Net beibringen kann - aber eben doch schon a bisserl was gelernt. ;-)

Zum aktuellen Thema:
Eine Hilfestllung bräucht ich nun noch: Mein RegExp findet die erste Anfangsmarke und trifft (frißt) alles bis zu letzten Endmarke. So entstehen leider keine Einzeltreffer. Kann nochmal jemand helfen, bitte?

Hier das Ergebnis meiner bißherigen Bastelei:

Imports System.Collections.Generic
Imports System.Text.RegularExpressions
Public Class Form1
    'Programmablauf ;-)
    Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button1.Click
        Dim link As String = "http://apacs.de/test/test.html"
        Dim quelltext As String = DownloadWebpage(link)
        Dim ergebnis As IEnumerable(Of String) = RegexSplit(quelltext)
        For Each i As String In ergebnis
            TextBox1.Text &= i & Environment.NewLine
        Next
    End Sub
    'Quelltext von Webseite aus Internet als String zurückgeben
    Public Function DownloadWebpage(ByVal URL As String) As String
        Dim IoStream As System.IO.Stream
        Dim StrRead As System.IO.StreamReader
        Try
            Dim Request As System.Net.WebRequest = System.Net.WebRequest.Create(URL)
            IoStream = Request.GetResponse.GetResponseStream
            StrRead = New System.IO.StreamReader(IoStream)
            Return StrRead.ReadToEnd
        Catch ex As Exception
            Return vbNullString
        Finally
            StrRead.Close()
            IoStream.Close()
        End Try
    End Function
    'Die einzelnen Treffer als Collection zurückgeben
    Public Function RegexSplit(ByVal input As String) As IEnumerable(Of String)
        Dim matches As MatchCollection = Regex.Matches(input, "(?<=_blocked_div"">)(.+)(?= <small>)")
        Dim result As New List(Of String)(matches.Count)
        For Each m As Match In matches
            result.Add(m.Value)
        Next
        Return result
    End Function
End Class

[AlexMuc]

Gelöst:

Diese Foren verleiten immer weider dazu schneller zu fragen als auszuprobieren.

Für alle die auch mal über sowas stolpern und diesen Thread finden, hier die Zusammenfassung:

Regulärer Ausdruck um einen unbekannten String zwischen zwei definierten Strings zu finden. Hier im Beispiel soll aus einem Webseitenquelltext alle Treffer gefunden werden die zwischen _blocked_div"> und <small> stehen, also:
_blocked_div">Treffer <small>:
(?<=_blocked_div"">)(.+?)(?= <small>)
(In der ersten Klammer escaped das erste " das " im Suchbegriff. Das Fragezwichen in der Mitte (welches zur letzten Frage geführt hat) sorgt dafür, dass Einzeltreffer entstehen und nicht alles zwischen erster Anfangsmarke und letzter Endmarke gefunden wird.)

Hier zum Ausprobieren:
Wir haben eine Form1. Bei click auf Button1 werden die einzelnen Treffer Zeile für Zeile in TextBox1 ausgegeben:

Imports System.Collections.Generic
Imports System.Text.RegularExpressions
Public Class Form1
    'Programmablauf ;-)
    Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button1.Click
        Dim link As String = "http://apacs.de/test/test.html"
        Dim quelltext As String = DownloadWebpage(link)
        Dim ergebnis As IEnumerable(Of String) = RegexSplit(quelltext)
        For Each i As String In ergebnis
            TextBox1.Text &= i & Environment.NewLine
        Next
    End Sub
    'Quelltext von Webseite aus Internet als String zurückgeben
    Public Function DownloadWebpage(ByVal URL As String) As String
        Dim IoStream As System.IO.Stream
        Dim StrRead As System.IO.StreamReader
        Try
            Dim Request As System.Net.WebRequest = System.Net.WebRequest.Create(URL)
            IoStream = Request.GetResponse.GetResponseStream
            StrRead = New System.IO.StreamReader(IoStream)
            Return StrRead.ReadToEnd
        Catch ex As Exception
            Return vbNullString
        Finally
            StrRead.Close()
            IoStream.Close()
        End Try
    End Function
    'Die einzelnen Treffer als Collection zurückgeben
    Public Function RegexSplit(ByVal input As String) As IEnumerable(Of String)
        Dim matches As MatchCollection = Regex.Matches(input, "(?<=_blocked_div"">)(.+?)(?= <small>)")
        Dim result As New List(Of String)(matches.Count)
        For Each m As Match In matches
            result.Add(m.Value)
        Next
        Return result
    End Function
End Class

[Ralf Jansen]

Danke. Ist immer gern gesehen wenn Leute die ihr Problem gelöst haben ihre Lösung auch zeigen.

[das-d]

Anzumerken ist noch dass das beschriebene Problem auftrat weil Regular Expressions als "gierig" gelten. Es wird also wenn es mehrere Treffermöglichkeiten gibt per Default immer die längste gefunden. Will man dass umgehen muss man eben mit den speziell dafür vorgesehenen Operatoren dafür sorgen dass zum Beispiel immer das erste gefunden wird.

Weitere Infos hier: Reguläre Ausdrücke im .NET Framework