C＃：什么是解析超链接及其描述的好的Regex？

请考虑大小写不敏感，空格以及HREF标记周围使用单引号(而不是双引号)的情况。

还请考虑获取在<a>标签内具有其他标签的超链接，例如<b>和<i>。

解决方案

回答

我发现了这一点，但显然这些家伙对此有一些问题。

编辑：(有效！)
我现在已经完成了自己的测试，发现它可以正常工作，我不知道Cso，我不能给你Canswer，但是我确实知道PHP，这是在此上运行它返回的matchs数组：

<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" }

回答

只要没有嵌套标签(没有换行符)，以下变体就可以很好地工作：

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

一旦嵌套标签起作用，正则表达式就不适合解析。但是，我们仍然可以通过应用现代解释器的更多高级功能(取决于正则表达式计算机)来使用它们。例如。 .NET正则表达式使用堆栈；我找到了这个：

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

资料来源：http://weblogs.asp.net/scottcate/archive/2004/12/13/281955.aspx

回答

我有一个可处理大多数情况的正则表达式，尽管我相信它确实与多行注释中的HTML匹配。

它使用.NET语法编写，但应易于翻译。

回答

请参阅StackOverflow的以下示例：用于解析网页链接的正则表达式？

使用HTML Agility Pack，我们可以解析html，并使用HTML的语义(而不是损坏的正则表达式)提取详细信息。

回答

现在，只要我可以使用它，就将它扔掉。..这是之前建议的一个不太贪婪的版本。如果输入具有多个超链接，则原始的行不通。下面的代码将允许我们循环浏览所有超链接：

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);
}

回答

这是一个匹配平衡标签的正则表达式。

(？：""'[""'.. *？>)(？(？>(？)|(？<-DEPTH>)| ..)+)(？(DEPTH)(？！))(?: )