使用正则表达式从 html 链接获取“标题”属性

Question

我有以下正则表达式来匹配从我们的自定义 cms 生成的页面上的所有链接标签

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

我们正在使用 c# 循环遍历所有匹配项，并在呈现页面内容之前为每个链接（用于跟踪软件）添加一个 onclick 事件。 我需要解析链接并向 onclick 函数添加一个参数，即“链接名称”。

我打算修改正则表达式以获得以下子组

• 链接的标题属性
• 如果链接包含图像标签，请获取 图片的替代文字
• 链接的文字

然后我可以检查每个子组的匹配以获取链接的相关名称。

我将如何修改上述正则表达式来做到这一点，或者我可以使用 c# 代码实现相同的想法吗？

Answer 1

正则表达式根本不擅长解析 HTML（请参阅 Can you provide some examples of why it is hard to parse XML and HTML with a regex? 了解原因）。您需要的是一个 HTML 解析器。有关使用各种解析器的示例，请参阅 Can you provide an example of parsing HTML with your favorite parser?。

您可能对HTMLAgilityPack answer特别感兴趣。

Answer 2

试试这个：

Regex reg = new Regex("<a[^>]*?title=\"([^\"]*?\"[^>]*?>");

几个问题：

• 这将匹配区分大小写，您可能需要调整它
• 这需要title属性既存在又被引用
  • 当然，如果 title 属性不存在，你可能不想要匹配？

要提取，请使用组集合：

reg.Match("<a href=\"#\" title=\"Hello\">Howdy</a>").Groups[1].Value

Answer 3

感谢混沌。 Owens 向我介绍了 HtmlAgilityPack 库，它很棒。最后我用它来解决我的问题，如下所示。 我会毫不犹豫地向其他人推荐这个库。

   HtmlDocument htmldoc = new HtmlDocument();
    htmldoc.LoadHtml(content);
    HtmlNodeCollection linkNodes = htmldoc.DocumentNode.SelectNodes("//a[@href]");
    if (linkNodes != null)
    {
        foreach (HtmlNode linkNode in linkNodes)
        {
            string linkTitle = linkNode.GetAttributeValue("title", string.Empty);
            //If no title attribute exists check for an image alt tag
            if (linkTitle == string.Empty)
            {
                HtmlNode imageNode = linkNode.SelectSingleNode("img[@alt]");
                if (imageNode != null)
                {
                    linkTitle = imageNode.GetAttributeValue("alt", string.Empty);
                }
            }
            //If no image alt tag check for span with text
            if (linkTitle == string.Empty)
            {
                HtmlNode spanNode = linkNode.SelectSingleNode("span");
                if (spanNode != null)
                {
                    linkTitle = spanNode.InnerText;
                }
            }

            if (linkTitle == string.Empty)
            {
                if (!linkNode.HasChildNodes)
                {
                    linkTitle = linkNode.InnerText;
                }
            }

        }
    }