正则表达式替换 HTML 锚标记中的 href 值

Question

我有字符串形式的 HTML，在浏览器中显示它之前，我想将页面上的所有相对 url 更改为绝对 url。我怎样才能做到最好？我正在考虑将正则表达式作为获取锚标记的 href 属性并将基本 url 附加到它的选项，但不知道该怎么做？有人可以提供帮助或建议更好的解决方案吗？

PS：我想排除链接中只有“#”符号的所有链接。例如：我想将<a href="/dir/file1.htm" />替换为<a href="http://mysite/dir/file1.htm" />，但我想排除<a href="#A1" />

我将不胜感激。

Answer 1

一般来说，使用 RegEx 解析 HTML 是个坏主意 - 请参阅 here 了解原因。

您可以使用像HTML Agility Pack 这样的 HTML 解析器来从 HTML 中提取 URL：

HtmlDocument doc = new HtmlDocument();
doc.Load("file.htm");
foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a[@href"])
{
   HtmlAttribute att = link["href"];
   att.Value = FixLink(att);
}

然后您可以排除任何以# 开头的网址。