Moin,

ich habe ein Problem mit RegEx. Das Pattern gibt mir die Werte alle richtig aus, aber zwischendurch dauert der Vorgang lange (80s sagt die StopWatch-Klasse ^^).
Mein Pattern:

Edit: Pattern gelöst, neues Problem hier.



Mfg.
SAR

SAR-71 schrieb:

ich habe ein Problem mit RegEx

Die Aussage deckt wohl 80% der Benutzer dieses Forums ab.

SAR-71 schrieb:

80s sagt die StopWatch-Klasse

Eher unwahrscheinlich dass es nur an Deinem Pattern liegt, obwohl das durch die vielen .*? auch nicht gerade performant ist. Zeig mal wie Du es benutzt (Schleifen, Options, Grösse des Textes ?)

Wie sieht der Text aus den du einlesen willst?

@Kangaroo: Darf ich euch also nicht mitteilen, dass ich ein Problem habe? :D

Denke aber nicht, dass es daran liegt. Sämtliche Online-Tester stürzen dort sofort ab. Und es muss an den .*? liegen, sobald ich die rausnehme stürzen Online-Tester nicht mehr ab.

@Rinecamo: Es sind Webseiten (von eBay) und jeweils bis zu 100kB groß. Andere Pattern haben damit jedoch keine Probleme.


Mfg.
SAR

Ich führe meine letzte Frage noch mal etwas genauer aus.
Wie sieht der Text aus den du auslesen willst und was willst du auslesen? Vielleicht können wir dann einen besseren Pattern anbieten.

Gesucht ist die Produktbeschreibung.
Siehe Anhang.


Mfg.
SAR

Ich finde in diesem Dokument kein "asqFooter". Wie wärs mit nem Link?
Oder poste einfach den Ausschnitt den du auslesen willst.

Das ist das Problem von eBay. Es gibt zig verschiedene Darstellungsmethoden. (Die scheinbar zufällig sind)
Link ist nicht mehr vorhanden.

Er findet also nichts und trotzdem muss ich 80s warten bis er mit dem Pattern durch ist.


Mfg.
SAR

Regex ist nicht gemacht worden, um schnell zu sein. Wenn du Schnelligkeit haben willst, nutze die String-Klasse und bastel dir selbst etwas zusammen.

Sämtliche Pattern dauern nichtmal eine Millisekunde. (Abgesehen von der Ausnahme)
Ist für mich schnell genug.


Mfg.
SAR

SAR-71 schrieb:

Darf ich euch also nicht mitteilen, dass ich ein Problem habe?

Nein.

SAR-71 schrieb:

Das ist das Problem von eBay. Es gibt zig verschiedene Darstellungsmethoden.

Dann setz auf der offiziellen eBay-API auf, dafür ist die da.

@Samus Regex ist aber schnell, zumindest für die 108kB sollte selbst Sars's Pattern kein Problem sein.

Also liegts vermutlich doch an dem drumherum, ( oder Du liest mit der Stopwatch nicht nur die Lesezeit 1 Seite). Also mal genauer ran.

Zur Not kannst Du noch die Regex-Options Compiled auf True setzen.

Glaubst du mir immer noch nicht? :D


Werd mir mal die API ansehen.


Mfg.
SAR

SAR-71 schrieb:

Glaubst du mir immer noch nicht?

So langsam schon.

Also dann das Pattern: ohne Beispiel ist das kaum nachzuprüfen, aber mich wundert es schon dass die Werte , wie Du sagst, richtig ermittelt werden.

Dieser Teil hier z.B. >(.*)< ist 'greedy' statt 'lazy': er sucht also soweit wie er kann nach dem letzen '</div>' in der Datei und nicht nach dem nächsten Match.

Müsste Dir aber in Deinen Ergebnissen aufgefallen sein.

Weiterhin hast Du anscheinend alle Zeilenvorschübe rausgenommen, das .*? stoppt also erst am Ende des Textes.

Du hast dir das Pattern noch nicht ganz angesehen, am Ende steht noch: "<div class=""asqFooter"">"
Der asqFooter ist (wenn er mal vorhanden ist) einmalig. Das es da kein ? ist so gewollt (zwischen "</div>.*<div class=""asqFooter"">" ist der schließlich auch) da ich alle weiteren div-Container erfassen will.

Die API hab ich mir jetzt doch geschenkt. Ich will diesen RegEx schaffen. ^^
Mein neues Pattern sieht so aus:


Alle Online-Tester haben kein Problem damit, nur mein Programm findet gar nichts.




Er sagt mir jedes Mal, dass es kein Match gibt (also überhaupt keins). Wenn ich aber den Input auf irgendwelche Online-Tester kopiere, landet das Gewünschte in Gruppe 4.
Die Compiled-Eigenschaft habe ich wieder rausgenommen. Wenn er lange braucht, hilft er deutlich (von 80 auf 30s), bei dem neuen Pattern braucht er viel zu viel Zeit mit dem Compiled (1s oder so).



Mfg.
SAR

SAR-71 schrieb:

Du hast dir das Pattern noch nicht ganz angesehen, am Ende steht noch: "<div class=""asqFooter"">"
Der asqFooter ist (wenn er mal vorhanden ist) einmalig.

Ich hab mir das Pattern länger angesehen als es wert ist.

Egal ob dort der Footer steht und ob er einmalig ist, Regex macht in dieser Form folgendes:
1. such das Zeug bis zum greedy .*
2. suche dann bis zum allerletztenn(!) '</div>' in dem ganzen Text
3. schau nach ob ich danach noch den Rest finde
4. nicht gefunden: suche das vorletzte '</div> in der ganzen Datei und mache bei 2. weiter etc etc.

Das 'greedy' Pattern ist Teufelswerk, kapiert ?

Zugegeben, es ist nicht gut, aber irgendwie muss ich ja alle Container bis auf das Letzte vor dem Footer mitnehmen.

Edit:
Das ist fast das perfekte Pattern, jedoch hat .NET irgendwas dagegen. Und ich habe keine Ahnung was.

Edit²: Selbst wenn ich das auf Folgendes runterbreche, PHP-RegEx findet es, .NET-RegEx aber nicht.

Selbst wenn ich alle möglichen Zeichen escape -> In .NET wird nichts gefunden.


Mfg.
SAR

Ein dezenter Push.
Gibt es möglicherweise reservierte Zeichen(-folgen) oder warum mag .NET mein neues Pattern nicht?


Mfg.
SAR

also imo kann man dir nix helfen, solange man keine Beispiel-Input und gewünschten Beispiel-Output hat.

Gerne auch den Regex, der manchmal funktioniert, und die Info, unter welchen Umständen.

Beispiel-Input (Der selbe, von Beitrag #6):
DOWNLOAD

Dazugehöriger (gewollter) Output:

Pattern der (unter PHP) funktioniert (, aber nicht bei .NET):

Gut zu Testen unter www.myregextester.com
Beachte Hacken bei "USE .NET".



Mfg.
SAR

Bei mir findet er was (mit dem Pattern aus Post#19):

" beim pattern logischerweise durch "" ersetzen. Also: