你把采集到的html发上来，然后指出你要求采集里面的哪些内容，你希望采集的内容有什么约束,比如上面的apparel，是不是必须在class名称为lists的div下的前面有dl和dt的a标签内容。这样才能写的。

@LCM:HTML就这多啊，采集每个</a>标签前面的单词啊 必须在class名称为lists的div下的前面有dl和dt的a标签内容

@LCM: 我还要将他们一次插入数据库 一数组的方式采集出来

@miloss: 我的意思是你把html用字符串的形势放上面，否则别人给你写的话连测试都不好测试，还得照着图上写一次那么长的字符串，累不累啊。

@LCM: 

@LCM: 太长了   不好意思哈

@miloss: 没事。等下我再看了。下班了。半个小时左右到家。

@LCM: 我也快下班啊  我等你哈

@LCM: 加我Q吧  1054509745 老鸟得帮助菜鸟哈

你帮我匹配第一<dl></dl>标签里面的那些吧 每个dl标签为一类 要分类插入  所以匹配条件是class为lists的div dl标签开头是<dt><a href="/categories/apparel/">Apparel</a></dt>的

@miloss: 你试一下这个，可以匹配全部的。(?<=<div([\w\W]*?)>\s*<dl>([\w\W]*?))([\w\W]*?)<a[^>]*>(?<c>[^<]*)</a>([\w\W]*?)

@miloss: 我匹配用的C#代码是这样的，str是正则表达式，str2是html内容。

 string str = textBox1.Text.Trim();
            string str2 = textBox2.Text.Trim();
            Regex regex = new Regex(str, RegexOptions.None);
            MatchCollection matchCollection = regex.Matches(str2);
               
            listBox1.Items.Clear();
            for (int i = 0; i < matchCollection.Count; i++)
            {
                Match match = matchCollection[i];
                listBox1.Items.Add(match.Groups["c"].Value);
            }  

@LCM: 这个里面还匹配出a标签的href

(?<=<div([\w\W]*?)>\s*<dl>([\w\W]*?))([\w\W]*?)<a([^>]*?)href=\"(?<href>[\w\W]*?)\"([^>]*?)>(?<c>[^<]*)</a>([\w\W]*?)

可以这样获取到href和内容

match.Groups["c"].Value+"||"+match.Groups["href"].Value

@LCM: 这匹配出来的事空的啊  我要分别匹配出没个dl里面的     

@miloss: 匹配出来不会是空的，你那要是看不到效果的话，等下我发给你源码。匹配出每个dl里面的，我可以改一下，等下发给你。我上午要去开个会。中午帮你弄下。你把邮箱告诉我，我等下发到你邮箱里。

@LCM: chentaolianjie@sina.com   可以加我Q嘛1054509745 我不会经常烦你的

@miloss: 邮件已发送，里面有注释的。公司登录不了QQ的，并且也很少上QQ。

@LCM: 我看见你这没有去标签的  标签是什么去的啊

@miloss: 我没去标签，我只匹配出我想要的内容。

@LCM:   for (int i = 0; i < matchCollection.Count; i++)
            {
                Match match = matchCollection[i];
                string name = match.Groups["ass"].Value;
                //listBox1.Items.Add(match.Groups["c"].Value);
            } 

你看我这样获取的单个  单词  怎么就是空的

@miloss:      string url = "http://www.tootoomart.com/allcategories/";
            string  charset = "utf-8";
            string html =GetHtmlSource(url, charset);  //获取页面html
            string pattern_Apparel=@"(?<=<div([\w\W]*?)>\s*<dl>([\w\W]*?))([\w\W]*?)<a[^>]*>(?<c>[^<]*)</a>([\w\W]*?)";
            Regex regex = new Regex(pattern_Apparel, RegexOptions.None);
            MatchCollection matchCollection = regex.Matches(html);
            for (int i = 0; i < matchCollection.Count; i++)
            {
                Match match = matchCollection[i];
                string name = match.Groups["ass"].Value;
                //listBox1.Items.Add(match.Groups["c"].Value);
            } 

   我不要连接  只要那  单词

@miloss: 你的这里面没有ass的组啊。网上查一下正则表达式怎么分组的。

@LCM: 我用变量 i  的时候name也为空啊  有时有值  我想把这name 直接先存进数据库

@miloss: 你分组的话你的正则表达式里面要有   (?<组名>正则表达式)  这样的，你才能用match.Groups["ass"].Value读到组内的东西的。ass就是上面定义的组名。否则哪会有内容呢。