解析超链接和描述的正则表达式

Question

C＃：解析超链接和它们的描述的正则表达式是什么？

请考虑HREF标签周围的大小写不敏感，空格和使用单引号（而不是双引号）。

也请考虑获取在<a>标记中包含其他标记的超链接，例如<b>和<i>。

Answer 1

只要没有嵌套标记（没有换行符），下面的变形效果很好：

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

一旦随着嵌套标签的进入玩，正则表达式不适合解析。不过，您仍然可以通过应用现代解释器的更高级功能（取决于您的正则表达式机器）来使用它们。例如。 .NET正则表达式使用堆栈;我发现这一点：

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

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

Answer 2

I found this但显然these guys有一些问题。

编辑：（它的工作原理！）
我现在已经做了我自己的测试，发现它的作品，我不知道C＃，所以我不能给你一个C＃的答案，但我知道PHP和这里的比赛阵列我从运行这样的事回来：

<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，处理大多数情况下，但我相信它确实多行注释中匹配的HTML。

它使用.NET语法编写，但应易于翻译。

Answer 4

见的，而不是一个破碎的正则表达式从StackOverflow: Regular expression for parsing links from a webpage?

使用The HTML Agility Pack可以解析HTML，并提取使用HTML的语义信息这个例子。

Answer 5

只是要把这个片段扔出去，现在我有它的工作..这是一个不太贪婪的版本之前建议的一个。如果输入有多个超链接，原始工作将不起作用。下面的代码将允许您遍历所有超链接：

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); 
} 

Answer 6

这里是一个正则表达式，它将匹配平衡标签。 （？（？）（？）|（？< -DEPTH>）。。）+）（？（DEPTH）（?!））？？？？？？？？？？？？？？？？？？？？？ ）（？:)