如何在网页中搜索汉字？
0
最佳答案
1
1. 首先取出所有内容
2.正则表达式取出汉字
3.做你想做的事情
收获园豆：10
辛苦了，主要是第2步
@我足以与你相配:
string htmlContent="<html>.........</html>" string chineseContent=Regex.Match(htmlContent, @"^[\u4e00-\u9fa5]+$").Value
已经经过测试了， 如果有问题继续追问， 没问题就采纳吧~
@请叫我头头哥: 参考该博问第一条回复，那里有详细的问题说明。谢谢^_^
@我足以与你相配: 意思是页面中所有的句子都得匹配出来？而且一个句子会被视作一个串， 是这意思吗？
@我足以与你相配: 如果是这样， 那你的工作量挺大的， 给你个思路吧。
string htmlContent="<html>.........</html>" string chineseContent=Regex.Match(htmlContent, @"^[\u4e00-\u9fa5]+$").Value // 在正则里， 加入所有可能的段位符
@请叫我头头哥: 我给你一个网页的源码，源码中有标签、脚本、英文字符、中文等杂乱的东西。我只想要其中的中文句子，速度不至于太慢，其实就是这个意思。至于怎么得到句子，方法是随便的，只要能得到结果。
@我足以与你相配: en , 嗯， 思路就是上面那么个思路， 你可以思考思考。
@请叫我头头哥: 嗯，工作量是挺大的，不过是自己的一个作品。取句子只是算法的第一步
@我足以与你相配: 看来你这是打算大刀阔斧的干一番啊， 加油， 如果有逻辑或者思路或者技术点上的不明白，可以私信我，或者继续提问， 完整的代码没法帮你写， 建议还是可以的 - -
@请叫我头头哥: 嗯，好的，谢谢
@我足以与你相配: 那就采纳吧， :) 哈哈。
@请叫我头头哥: 说句实话，大实话，正则表达式不适用于这个场景。
不过对于没事乱喊性能的人我就不说啥了。
要性能的话，请别使用C#。
抄一句别人说过的话吧：
如果你想要很高的性能，你必须知道处理的数据是什么样的。
别整天就知道正则。
@爱编程的大叔: 你这最后一句话， 真是说到厉害之处了， 哈哈！
@请叫我头头哥: 推荐你一篇文章，不错。
@爱编程的大叔: 好，。 工作之余的时候会去看的， 不枉大叔的关怀啊！
其他回答(4)
1
提取标签，正则匹配汉字，然后对标点符号就行分割。
注释我也取，是汉字都取，而且还不要打乱原文每一句话的汉字顺序。最好也不要打乱每一句话的顺序，还要速度快（每秒取千八百个网页跟玩似的），能说说详细的吗？
比如说这张截图，我要取得句子有：
所有回答
提取标签
正则匹配汉字
回复
幻天芒
园豆
高人七级
注释我也取
是汉字都取
而且还不要打乱原文每一句话的汉字顺序
最好也不要打乱每一句话的顺序
还要速度快
每秒取千八百个网页跟玩似的
能说说详细的吗
支持
反对
回复
我足以与你相配
园豆（已有-此处可不要）
初学一级
......
@我足以与你相配: 循环标签，获取每个标签的text，正则获取汉字，按照符号拆分。
0
如果是要搜索汉字，那就好办了，一个一个字符取出来，严刑拷打，总能让字符招供是否汉字的。
速度太慢
@我足以与你相配: 要不要帮你申请银河三号高速计算平台。
@爱编程的大叔: 你真是太无趣了，回答个问题不好好回答，还这么讥讽，有意思吗？
@我足以与你相配: 你别往心里去，可能你刚来博问，不太了解博问这帮老家伙， 大叔(@爱编程的大叔 )其实没有恶意的， 只是他的评论一贯作风是比较风趣幽默。 慢慢的你就觉得有点意思了。
@我足以与你相配: 是啊，好没意思。看笑话去。
隔壁小孩问我咋赚钱呢，我答说打工。
他说我有一万，想要30天变成1千万呢。
@请叫我头头哥: 嗯，好的。不过我是真的想问这个问题。
@爱编程的大叔: 麻溜的。 哈哈~
@我足以与你相配: 理解。
0
可以用正则表达式的
然后呢？
0
正则表达式
然后呢？
@我足以与你相配: 自己想去
