正則表達式採取網址

我有幾個網頁進行解析，並有像正則表達式採取網址

<a href="/news/monde/0,,3204267-VU5WX0lEIDUy,00.html" class="S48">Jean-Paul II opéré "avec succès" (24/02/2005)</a> 

<a href="javascript:VerifCookie('4','/news/economie/0,,3204461-VU5WX0lEIDUy,00.html',700,600,52);" class="S48">Que peut-il se passer si le pape est incapable d'assurer sa tâche ? (24/02/2005)</a>

的鏈接，你可以看到第二個擁有領先的JavaScript的東西，我想擺脫它，也可以與第一種類型兼容。所以我寫了一個perl的正則表達式：

/<a href="[^\/]*?([^<']+?)[^"]*?" class="S48">([^<>]+?)<\/a>/

趕上沒有JavaScript的東西，也標題部分的URL部分。但是這個正則表達式只爲我提供了標題部分，所採用的URL只是「/」或「j」。

有什麼建議嗎？

來源

2011-10-06 darkjh

你不應該使用正則表達式來完成這個任務。當然，如果Perl的HTML解析器。（請看http://perl.active-venture.com/lib/HTML/Parser.html） – Jens

你想抓住/news/monde/0,,3204267-VU5WX0lEIDUy,00.html和/ news/economie/0，，3204461-VU5WX0lEIDUy，00.html？ – FailedDev

@FailedDev是的，我想要的url部分 – darkjh

此正則表達式：

!<a\s*href\s*=\s*".*?(/.*\.html).*"\s+class="S48">([^<>]+?)</a>!i

施加到您的輸入產生的這些結果組1：

/news/monde/0,,3204267-VU5WX0lEIDUy,00.html 
/news/economie/0,,3204461-VU5WX0lEIDUy,00.html

和這些用於組2：

Jean-Paul II opéré "avec succès" (24/02/2005) 
Que peut-il se passer si le pape est incapable d'assurer sa tâche ? (24/02/2005)

當然，這可與您的具體輸入。我會強烈建議避免使用正則表達式爲.xml，.html，.xsl等等。有這個工作有更好的工具。

而且更短的版本：

/.*?(\/.*\.html).*?>([^<]+)/i

會產生相同的結果。

來源

2011-10-06 14:23:44 FailedDev

正則表達式採取網址

回答

相關問題