有下面这样的网页源文件，我需要取出其中的中文，将非中文的部分全部不要；并且将中文中的重复字段去掉，最后变成这样的形式：
计算机｜英语｜语文｜数学
这样的网页源文件有比较多，里面的中文是变化的。这个正则表达式如何写，VB6如何做到呢？
计算机</DIV></DIV>">
</form>
<div class="content">
<div class="pic"><img src="http://bbs.sina.com/and/di.djd?iid=12345566666666666" alt="英语" width="131" height="176" ></div>
<div class="info">
<p class="title">英语<a href="http://bbs.sa.com/and/drr=1234556retertretr6666666" onclick="asdsfdsffddffdf;"><img src=images2009/buyebook.gif style='vertical-align:middle;margin-left:15px'></a><a href="http://b.a.com/ad"><img src=http://b.a.com/ad.ja style='vertical-align:middle;margin-left:15px'></a></p>
<p class="st">语文<span>|</span>数学<span>|</span>计算机
我对正则表达式了解不够全面,但好像单靠一个正则表达式去掉除重复字段不太可能吧.而且我看你这说的也是vb那个regexp的控件吧
另外,我刚注意到你贴的代码不太像是不同一级的数据,存放的位置方式不大一样.
不过看你的意思,主要只是要提取中间的间隔的中文字块成字符串数组,那还没问题
包括CJK-A范围(包括很多冷僻字和古汉字,比如现在一
