正则表达式捕获带有特殊代码的链接答案

【问题标题】：Regex to catch links with special codes正则表达式捕获带有特殊代码的链接
【发布时间】：2016-06-22 17:32:46
【问题描述】：

我有一个接近但不完全存在的正则表达式：

(https?)://([\w+?\.\w+])+([a-zA-Z0-9\~\!\@\#\$\%\^\&\*\(\)_\-\=\+\\\/\?\.\:\;\'\,\<\>]*)

它应该在它们被替换之前捕获带有特殊代码的链接。这是一个示例文本：

some leading text <a>http://subsite.domain.com/somepage.aspx?querystring1=<#specialcode#></a>. Some text afterwards

另一个例子：

some leading text <a>http://subsite.domain.com/somepage.aspx?querystring1=<#first#>&querystring2=<#another#>&querystring3=foo&querystring4=<#bar#></a>

甚至只是“普通”链接：

some leading text <a>http://subsite.domain.com/somepage.aspx?querystring1=foo&querystring2=bar</a>

我想捕获所有这些链接，不带标签，并且一些链接包含分隔符。

根据测试人员的说法，它很接近，但它一直在捕捉结束时的结束标签和句点。我明白为什么，我只是不知道如何解决它。在我的示例中，我需要在它之后捕获和任意数量的其他查询字符串。没有太多细节，是应用程序中的分隔符。如有任何帮助，我们将不胜感激。

我从这里获取了根正则表达式：Get url from a text 我在这里尝试过测试：http://www.regextester.com/

【问题讨论】：

bruh... 正则表达式？使用ParseQueryStringstackoverflow.com/a/6082703/940217
@KyleFalconer 如何从大量文本中找到并提取链接？
如果您的文本是 HTML 会容易得多...
我认为您实际上并没有在参数中使用未编码的# - 它是一个保留字符：Characters allowed in GET parameter。
@AlexeiLevenkov：我猜是在等待pony :)

标签： c# regex

【解决方案1】：

假设输入文本不是正确的 HTML 文档，并且假设您只是想提取 url 和查询字符串和参数，这个正则表达式会做到：

(https?:\/\/[^?<]+)[?]?(([^=<]+)=(<#[^&<]*#>|[^&<]*)&?)*

这基于以下测试输入：

some leading text <a>http://subsite.domain.com/somepage.aspx?querystring1=<#specialcode#></a>. Some text afterwards
some leading text <a>http://subsite.domain.com/somepage.aspx?querystring1=<#specialcode#>&querystring2=foo</a>. Some text afterwards
some leading text <a>http://subsite.domain.com/somepage.aspx?querystring1=<#specialcode#>&querystring2=foo&querystring3=<#specialcode2#></a>. Some text afterwards
some leading text <a>http://subsite.domain.com/somepage.aspx</a>. Some text afterwards

结果将在捕获组中。

如果给定的文本是 HTML 文档，那么正则表达式必须更改，因为链接不是在 <a>http://linkhere.com</a> 中，而是在 href 属性中：<a href="http://linkhere.com">link here</a>

【讨论】：