Hallo,

kann mir bitte ein Regex-Spezi bei folgender Aufgabe helfen?
Aus einer HTML-Seite sollen alle HTML-Tags entfernt werden bis auf die Bild-Tags.
Die Bilder liegen in folgendem Format vor: <img src="http://beliebigerhost/beliebigesbild.jpg" border="0" alt="[Bild: beliebigesbild.jpg]" />
Geht das überhaupt mit Regex?

nafets schrieb:

Wäre es denn ein Problem einfach die Bild-Tags rauszusuchen anstatt den Rest zu löschen?

Der Rest (Text) muss auch erhalten bleiben, nur ohne HTML-Tags.
Es handelt sich um viele Berichte, die ursprünglich in einem Forum gepostet wurden und Text und Bilder enthalten.
Nun sollen diese Berichte in ein Wordpress-Blog migriert werden.
Da gibt es schöne Importer, die z.B. eine .CSV Datei einlesen und den Artikel daraus machen.
Dazu brauche ich den reinen Text inkl. der kompletten Bilder Tags.
Alle Berichte aus dem Forum habe ich bereits als HTML-Dateien vorliegen und muss diese nun anpassen.

*Nur zur Anmerkung falls es Bedenken gibt, das ist kein Content-Klau, sondern nur eine Mirgration von MyBB-Forum nach Wordpress vom gleichen Urheber und ganz legal.

nafets schrieb:

Könntest du vielleicht einen mittelgroßen Ausschnitt posten

Klar - ich denke, das sollte kein Problem sein, da es ja im Forum auch frei zugänglich war.
Anbei als Anhang ein Thread als HTML-Datei.

Anzumerken wäre vielleicht noch, dass es nur um die Postings eines Users geht - dem "Armin777".
Der Thread besteht ja auch aus Antworten anderer User und die sollen ja nicht mit verarbeitet werden.
Das erwähne ich nur, falls das für den Regex-Teil irgenwie wichtig wäre.
Die Postings fangen immer mit <div class="author"> an und in dieser Zeile steht dann auch der Username. Und das Tag wird dann nach dem Posting natürlich mit </div> wieder geschlossen.

Vielleicht ist ja auch meine Herangehensweise falsch? Es gibt doch auch eine HTML-Lib für .NET (Name entfallen) - vielleicht wäre das der bessere Weg?
Du merkst, ich tappe noch ein wenig im Dunklen, wie ich die ganzen Texte am besten aufarbeite.

Lieben Dank, dass Du Dich dafür interessierst!

PS: achso noch etwas - ich verdiene mit dieser Migration kein Geld.

PPS: da ich heute erst damit angefangen habe, ist bis jetzt nur ein kleines Konsolenprogramm entstanden, das nichts weiter tut als alle HTML-Dateien in einem Verzeichnis nacheinander zu öffnen und zeilenweise auszulesen. Wenn gewünscht, kann ich gern den Fortschritt dokumentieren.

nafets schrieb:

wie du dir das vorstellst

Also wenn von den Postings vom Armin777 folgendes übrig bliebe, könnte ich prima die CSV-Datei generieren:

Marcel1997 schrieb:

HTML agility pack

Genau! Das wars, woran ich mich nicht mehr erinnert habe.
Danke, das schaue ich mir an.