Подскажите регулярку вытащить кусок текста

[twisterrr]

нужна универсальная регулярка для вытаскивания описания к фильму, например:

Спойлер: фрагмент шаблона с описанием

<b>Режиссер</b>: Тинто Брасс<br>
<b>В ролях</b>: Анна Жимская, Риккардо Марино, Нела Лучич, Макс Пароди, Паоло Ланца, Лео Мантовани, Клаудио Майоли, Массимо Карадонна, Тинто Брасс<br>
<br>
<b><span style="colorarkSlateGray;"><font size="3">О фильме</font></span></b>:<br>
<span style="colorarkSlateGray;"><font size="3">Французский художник Леон приезжает на книжный фестиваль в Венецию. Там он знакомится с Мартой. Почти сразу же они начинают проводить все время вместе, занимаясь любовью повсюду в перерывах между книжными выставками. Их роман продлится ровно пять дней. Но у Марты есть муж, который догадывается об увлечении своей жены...</font></span><br>
<br>
<br>
<a href="http://www.imdb.com/title/tt0480919/" target="_blank"><img src="http://s.rutor.info/imdb/pic/0480919.gif"></a> <a href="http://www.kinopoisk.ru/film/201512/" target="_blank"><img src="http://www.kinopoisk.ru/rating/201512.gif"></a><br>

<br>
<b>Страна</b>: Италия<br>
<b>Студия</b>: DIA Distributori Indipendenti<br>
<b>Продолжительность</b>: 01:38:20<br>
<b>Перевод</b>: Профессиональный двухголосый<br>
<br>

трудность в том что теги (может и не быть тегов, теги могут быть и в самом описании например <b>) вокруг описания постоянно меняются, нельзя за что то зацепится, неизменным остается только текст "О фильме"... вообщем нужно вытащить кириллический текст после фразы "О фильме" и не забрать лишнего..
как это сделать?

 

[b1zar]

нужна универсальная регулярка для вытаскивания описания к фильму, например:

Спойлер: фрагмент шаблона с описанием

<b>Режиссер</b>: Тинто Брасс<br>
<b>В ролях</b>: Анна Жимская, Риккардо Марино, Нела Лучич, Макс Пароди, Паоло Ланца, Лео Мантовани, Клаудио Майоли, Массимо Карадонна, Тинто Брасс<br>
<br>
<b><span style="colorarkSlateGray;"><font size="3">О фильме</font></span></b>:<br>
<span style="colorarkSlateGray;"><font size="3">Французский художник Леон приезжает на книжный фестиваль в Венецию. Там он знакомится с Мартой. Почти сразу же они начинают проводить все время вместе, занимаясь любовью повсюду в перерывах между книжными выставками. Их роман продлится ровно пять дней. Но у Марты есть муж, который догадывается об увлечении своей жены...</font></span><br>
<br>
<br>
<a href="http://www.imdb.com/title/tt0480919/" target="_blank"><img src="http://s.rutor.info/imdb/pic/0480919.gif"></a> <a href="http://www.kinopoisk.ru/film/201512/" target="_blank"><img src="http://www.kinopoisk.ru/rating/201512.gif"></a><br>

<br>
<b>Страна</b>: Италия<br>
<b>Студия</b>: DIA Distributori Indipendenti<br>
<b>Продолжительность</b>: 01:38:20<br>
<b>Перевод</b>: Профессиональный двухголосый<br>
<br>

трудность в том что теги (может и не быть тегов, теги могут быть и в самом описании например <b>) вокруг описания постоянно меняются, нельзя за что то зацепится, неизменным остается только текст "О фильме"... вообщем нужно вытащить кириллический текст после фразы "О фильме" и не забрать лишнего..
как это сделать?

Для текста который ты дал подойдет такая регулярка <.*?>

 

[Sergodjan]

нужна универсальная регулярка для вытаскивания описания к фильму, например:

Спойлер: фрагмент шаблона с описанием

<b>Режиссер</b>: Тинто Брасс<br>
<b>В ролях</b>: Анна Жимская, Риккардо Марино, Нела Лучич, Макс Пароди, Паоло Ланца, Лео Мантовани, Клаудио Майоли, Массимо Карадонна, Тинто Брасс<br>
<br>
<b><span style="colorarkSlateGray;"><font size="3">О фильме</font></span></b>:<br>
<span style="colorarkSlateGray;"><font size="3">Французский художник Леон приезжает на книжный фестиваль в Венецию. Там он знакомится с Мартой. Почти сразу же они начинают проводить все время вместе, занимаясь любовью повсюду в перерывах между книжными выставками. Их роман продлится ровно пять дней. Но у Марты есть муж, который догадывается об увлечении своей жены...</font></span><br>
<br>
<br>
<a href="http://www.imdb.com/title/tt0480919/" target="_blank"><img src="http://s.rutor.info/imdb/pic/0480919.gif"></a> <a href="http://www.kinopoisk.ru/film/201512/" target="_blank"><img src="http://www.kinopoisk.ru/rating/201512.gif"></a><br>

<br>
<b>Страна</b>: Италия<br>
<b>Студия</b>: DIA Distributori Indipendenti<br>
<b>Продолжительность</b>: 01:38:20<br>
<b>Перевод</b>: Профессиональный двухголосый<br>
<br>

трудность в том что теги (может и не быть тегов, теги могут быть и в самом описании например <b>) вокруг описания постоянно меняются, нельзя за что то зацепится, неизменным остается только текст "О фильме"... вообщем нужно вытащить кириллический текст после фразы "О фильме" и не забрать лишнего..
как это сделать?

Вытащить описание можно такой регуляркой:

(?<=<font\ size=".">)[\w\W]*?(?=</font>)

Экшен Обработка текста - Regex, совпадение 1 (второе).

 

[twisterrr]

Вытащить описание можно такой регуляркой:

(?<=<font\ size=".">)[\w\W]*?(?=</font>)

как вытащить именно из приведенного мной примера я знаю, но трудность в том что оформление страниц может быть разным, я же это написал в первом посте... для каждой страницы писать свою регулярку ну это же не рационально, нужен именно универсальный шаблон который бы забирал весь текст после фразы "О фильме"

 

[Sergodjan]

как вытащить именно из приведенного мной примера я знаю, но трудность в том что оформление страниц может быть разным, я же это написал в первом посте... для каждой страницы писать свою регулярку ну это же не рационально, нужен именно универсальный шаблон который бы забирал весь текст после фразы "О фильме"

Изучайте потенциальные сайты-доноры - какой там разбег с тегами, какие особенности.
Универсальную регулярку для абсолютно всех сайтов, с заранее неизвестной версткой сделать будет проблематично,
но варианты версток для известных вам сайтов прорабоать можно. Отталкивайтесь от "О фильме" и смотрите какие варианты зацепок в конце блока описания бывают.

 

[twisterrr]

Универсальную регулярку для абсолютно всех сайтов

я имел ввиду один сайт http://rutor.info/kino там многие страницы с фильмами по разному оформлены

 

[Sergodjan]

я имел ввиду один сайт http://rutor.info/kino там многие страницы с фильмами по разному оформлены

В этом случае тоже такой же алгоритм проработки, но уже по-легче, т.к. наверное не так много вариантов оформления на одном сайте.

 

[b1zar]

я имел ввиду один сайт http://rutor.info/kino там многие страницы с фильмами по разному оформлены

Как вариант использовать два и более Regex, которые будут составлены по разному, для каждой формы коды.

 

[twisterrr]

Как вариант использовать два и более Regex, которые будут составлены по разному, для каждой формы коды.

пробовал, накопилось 8 вариантов Regex и постоянно появляются новые страницы где уже созданные шаблоны не подходят, нужен другой метод

 

[b1zar]

пробовал, накопилось 8 вариантов Regex и постоянно появляются новые страницы где уже созданные шаблоны не подходят, нужен другой метод

Тут еще сложность в том, что нужно определить именно описание, а оно у тебя меняется. Есть "Описание", есть "О фильме", ну это я глянул пару ссылок, может там и больше вариаций. Попробуй отталкиваться от строки в коде сайта, я смотрел через хром не в зенке, там на 10 страницах, что я глянул, описание начинается 134 строкой и всегда имело границу окончания со статичным тегом <br />. То есть, если описание всегда будет идти одной строкой в коде, то можно забирать все, что начинается с 134 строки и до конца, а потом регуляркой забирать совпадения по тегам и очищать от них