如何使用正则表达式在锚标记中获取包含 .xls 或 .xlsx 文本的 href 文本

【问题标题】：How to get href text which contains .xls or .xlsx text in an anchor tag using regex如何使用正则表达式在锚标记中获取包含 .xls 或 .xlsx 文本的 href 文本
【发布时间】：2013-09-09 07:41:44
【问题描述】：

使用正则表达式我想获取包含 .xls 或 .xlsx 文本的 href

我想坚持这个正则表达式

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

但是我应该在此处添加什么，以便我只能获取包含锚标记中的 .xls 或 .xlsx 文本的链接。

【问题讨论】：

Do Not Use Regex For Parsing html/xml and the like! - html 使用 Html Agility Pack，xml 使用 XDocument/XElement
@Corak 抱歉，但我必须坚持这个正则表达式。

标签： c# regex

【解决方案1】：

这样做有很多潜在的问题，但使用 JavaScript：

var re = new RegExp(/<a\s*[^>]*\s*href\s*=\s*((?:[^ ]|[\n\r])+)((\.xls)|(\.xlsx))\s*[^>]*>.*?<\/a>/ig);
txt = 'ok, here you go: <a href="test.xls">test file</a> and <a href="http://not.test.com">not file</a>, but another <a href = "http://www.xls.com/test.xls">test file</a>!';
txt.match(re)

=> ['<a href="test.xls">test file</a>', '<a href = "http://www.xls.com/test.xls">test file</a>']

【讨论】：

任何其他建议
Corak 的建议会起作用，或者使用 JavaScript 只需使用 document.getElementsByTag ('a') 遍历 DOM 并在每个 src 属性上使用更简单的正则表达式。