解析超鏈接和描述的正則表達式

Question

C＃：解析超鏈接和它們的描述的正則表達式是什麼？

請考慮HREF標籤周圍的大小寫不敏感，空格和使用單引號（而不是雙引號）。

也請考慮獲取在<a>標記中包含其他標記的超鏈接，例如<b>和<i>。

Answer 1

只要沒有嵌套標記（沒有換行符），下面的變形效果很好：

<a\s+href=(?:"([^"]+)"|'([^']+)').*?>(.*?)</a> 

一旦隨着嵌套標籤的進入玩，正則表達式不適合解析。不過，您仍然可以通過應用現代解釋器的更高級功能（取決於您的正則表達式機器）來使用它們。例如。 .NET正則表達式使用堆棧;我發現這一點：

(?:<a.*?href=[""'](?<url>.*?)[""'].*?>)(?<name>(?><a[^<]*>(?<DEPTH>)|</a>(?<-DEPTH>)|.)+)(?(DEPTH)(?!))(?:</a>) 

來源：http://weblogs.asp.net/scottcate/archive/2004/12/13/281955.aspx

Answer 2

I found this但顯然these guys有一些問題。

編輯：（它的工作原理！）
我現在已經做了我自己的測試，發現它的作品，我不知道C＃，所以我不能給你一個C＃的答案，但我知道PHP和這裏的比賽陣列我從運行這樣的事回來：

<a href="pages/index.php" title="the title">Text</a> 

array(3) { [0]=> string(52) "Text" [1]=> string(15) "pages/index.php" [2]=> string(4) "Text" } 

Answer 3

我have a regex，處理大多數情況下，但我相信它確實多行註釋中匹配的HTML。

它使用.NET語法編寫，但應易於翻譯。

Answer 4

見的，而不是一個破碎的正則表達式從StackOverflow: Regular expression for parsing links from a webpage?

使用The HTML Agility Pack可以解析HTML，並提取使用HTML的語義信息這個例子。

Answer 5

只是要把這個片段扔出去，現在我有它的工作..這是一個不太貪婪的版本之前建議的一個。如果輸入有多個超鏈接，原始工作將不起作用。下面的代碼將允許您遍歷所有超鏈接：

static Regex rHref = new Regex(@"<a.*?href=[""'](?<url>[^""^']+[.]*?)[""'].*?>(?<keywords>[^<]+[.]*?)</a>", RegexOptions.IgnoreCase | RegexOptions.Compiled); 
public void ParseHyperlinks(string html) 
{ 
    MatchCollection mcHref = rHref.Matches(html); 

    foreach (Match m in mcHref) 
     AddKeywordLink(m.Groups["keywords"].Value, m.Groups["url"].Value); 
} 

Answer 6

這裏是一個正則表達式，它將匹配平衡標籤。 （？（？）（？）|（？< -DEPTH>）。。）+）（？（DEPTH）（?!））？？？？？？？？？？？？？？？？？？？？？ ）（？:)