Boost正則表達式，url和img

Question

我需要找到網頁HTML源代碼中的所有鏈接和圖像。 Actaually我有以下表達式：

boost::regex findurl("(?s)<\\s*a\\s+.*?href\\s*=\\s*['\"]([^http]{1}[^\\s>]*)['\"]", boost::regex::normal | boost::regbase::icase); 

它應該怎樣看待圖像（標籤）呢？

Answer 1

學習Perl和使用HTML :: Parser將花費更少的時間，而不是爲了調試這種不適用於病態HTML的正則表達式。我已經可以發現其中的三個鏈接錯誤，即使你只是詢問圖像。

這包括示例代碼，即使您不知道Perl，也可以找出如何修改。 http://perlmeme.org/tutorials/html_parser.html

Answer 2

在字符類（[^http]）中重複字符顯示不正確。 djechlin指出，RE可能不夠，但對於最簡單的HTML。