Boost正则表达式，url和img

Question

我需要找到网页HTML源代码中的所有链接和图像。 Actaually我有以下表达式：

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

它应该怎样看待图像（标签）呢？

Answer 1

学习Perl和使用HTML :: Parser将花费更少的时间，而不是为了调试这种不适用于病态HTML的正则表达式。我已经可以发现其中的三个链接错误，即使你只是询问图像。

这包括示例代码，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

在字符类（[^http]）中重复字符显示不正确。 djechlin指出，RE可能不够，但对于最简单的HTML。