解析文本中链接的模式[重复]答案

【问题标题】：A pattern to parse links in a text [duplicate]解析文本中链接的模式[重复]
【发布时间】：2014-03-12 13:35:10
【问题描述】：

我有一些文本可能包含这样的链接：

<a rel="nofollow" target="_blank" href="http://loremipsum.net/">http://loremipsum.net/</a>
Lorem ipsum dolor sit amet, consectetuer adipiscing elit, <a rel="nofollow" target="_blank" href="http://loremipsum.net/">http://loremipsum.net/</a> sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat.

我想在此文本中找到链接（a 标签），它的正则表达式模式是什么？

这种模式不起作用：

const string UrlPattern = @"(http|ftp|https):\/\/[\w\-_]+(\.[\w\-_]+)+([\w\-\.,@?^=%&amp;:/~\+#]*[\w\-\@?^=%&amp;/~\+#])?";
var urlMatches = Regex.Matches(text, UrlPattern);

谢谢

【问题讨论】：

解析任何和所有<a>标签的正则表达式将是一个巨大的不可维护的黑匣子怪物。那是你想要的吗？
您会考虑使用除正则表达式之外的其他解决方案，例如 HtmlAgilityPack 吗？如果是这样，您以后可能会避免很多痛苦
这是一个仅包含 a 标记的文本。不是 HTML
@HenkHolterman 这和上面的例子完全一样。
Obligatory link：请链接到答案，而不是非答案。

标签： c# html regex

【解决方案1】：

我建议使用HtmlAgilityPack 来解析 HTML（可从 NuGet 获得）：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);
var links = doc.DocumentNode.SelectNodes("//a[@href]")
               .Select(a => a.Attributes["href"].Value);

结果：

[
  "http://loremipsum.net/",
  "http://loremipsum.net/"
]

推荐阅读：Parsing Html The Cthulhu Way

【讨论】：

我叫 samy，我同意这个答案
@samy 我的名字是 Sergey，谢谢你 :)

【解决方案2】：

您应该使用在此类任务中更加健壮和可靠的 XML 解析器。但是，如果您想要非常快速且非常脏的东西，这里是：

<a.*?<\/a>

如果这太简单了，你需要捕获链接地址或链接内容，那就去吧：

<a.*?href="(?<address>.*?)".*?>(?<content>.*?)<\/a>

它们都没有正确匹配嵌套标签。

【讨论】：

【解决方案3】：

也许是这样

Regex regexObj = new Regex(@"<a.+?href=(['|""])(.+?)\1");
resultString = regexObj.Match(subjectString).Groups[2].Value;

匹配列表

StringCollection resultList = new StringCollection();

Regex regexObj = new Regex(@"<a.+?href=(['|""])(.+?)\1");
Match matchResult = regexObj.Match(subjectString);
while (matchResult.Success) {
    resultList.Add(matchResult.Groups[2].Value);
    matchResult = matchResult.NextMatch();
}

【讨论】：

你能添加更多描述吗？
更改代码 - 使用正则表达式（从标签的 href 属性中选择 url）