使用正则表达式获取部分匹配值答案

【问题标题】：Get part of matched value with regex使用正则表达式获取部分匹配值
【发布时间】：2015-09-03 03:37:40
【问题描述】：

我正在尝试获取字符串的一部分。

使用了这个表达方式：

@"<a .*href=""(?<Url>(.*))(?="")"""

要匹配的示例数据：

var input = @"<html lang=""en"">
    <head>
        <link href=""http://www.somepage.com/c/main.css"" rel=""stylesheet"" type=""text/css"" />

        <link rel=""canonical"" href=""http://www.somepage.com"" />
        <script src=""http://www.somepage.com/professional/bower_components/modernizr/modernizr.js"" type=""text/javascript""></script>
    </head>
        <body>
            <header>
                <div>
                    <div>
                        <a aria-haspopup=""true"" href=""http://www.somepage.com/someotherpage""><img src=""http://www.somepage.com/i/sprite/logo.png"" alt=page"" /></a>
                    </div>
                </div>
            </header>
        </body>
    </html>"

现在我能够得到这个值：

http://www.somepage.com/someotherpage\"><img src=""http://www.somepage.com/i/sprite/logo.png"" alt=page"" /></a>

使用此代码：

var regexPattern = new Regex(PATTERN, RegexOptions.IgnoreCase);
var matches = regexPattern.Matches(httpResult);
foreach (Match match in matches)
{
    // here I'm getting this value 
    var extractedValue = match.Groups["Url"].Value; // it's value is http://www.somepage.com/someotherpage\"><img src=""http://www.somepage.com/i/sprite/logo.png"" alt=page"" /></a>
}

我想在match.Groups["Url"].Value 下得到的是简单的http://www.somepage.com/someotherpage，在href attribute 值之后没有任何内容。

在extractedValue 上不使用Substring 是否可以只获得匹配的那部分？

【问题讨论】：

标签： c# regex

【解决方案1】：

也许这会奏效。不幸的是，我现在没有时间测试它：

"<a[^>]*href=\"(?<Url>([^\"]+))\"[^>]*>"

【讨论】：

【解决方案2】：

你快到了。正则表达式中的一个小改动就是不允许匹配集中的引号。

<a .*href=""(?<Url>([^"]*))(?="")""
                  //^^^^ This is what i changed.

【讨论】：

【解决方案3】：

以下应该有效：

<a .*href=""(?<Url>(.+?))(?="")""

问题在于 (.*) 中的 * 是贪婪的。 +？ "Matches the previous element one or more times, but as few times as possible" 所以它会停在第一个引号。更多关于正则表达式贪婪的信息，可以查看Regex Tutorial - Repetition with Star and Plus

【讨论】：

【解决方案4】：

改用这种模式，在不使用.* meme 时减少回溯（处理速度更快）。该模式还使用\x22 作为"，以便更轻松地操作模式，因为它避免了 C# 文字混淆问题。

Regex.Matches(input, @"<a.+href=\x22(?<Url>[^\x22]+).+/a>")
     .OfType<Match>()
     .Select (mt => mt.Groups["Url"].Value);
     // Result = http://www.somepage.com/someotherpage

【讨论】：