【问题标题】：Regular Expression for achor tag锚标记的正则表达式
【发布时间】：2013-07-15 22:04:25
【问题描述】：

想从锚标签中获取href链接。我正在使用

regex = @"<a[^>]*?href\s*=3D\s*[""']?    ([^'"" >]+?)[ '""][^>]*?>".

如果href在单行，我可以成功，但在下面失败

Text = <a target=3D"_blank" hr=
ef=3D"http://abc.com/blog/check-your-cars-health-before-going-on-lo=
ng-trip/">

正在读取的文件是 eml 文件而不是 html 文件请为上述建议正确的正则表达式

【问题讨论】：

在没有第一个 \s 的情况下尝试它，因为我无法在 href 之后发现空格。或者尝试 \s* 这意味着“零个或多个”空格

标签： asp.net regex

【解决方案1】：

您不应该真正尝试使用正则表达式解析 HTML，this 本质上就是原因。您可以查看强大的 HTML 处理库，例如 HTML Agility Pack。

This 之前的 SO 帖子可能有一些与您正在做的事情类似的事情。

【讨论】：

你比我早了几秒钟（尽管我真的不相信这是一个答案 - 更多的是评论）。 RegEx 很难做到这一点。我还建议使用 HTML Agility Pack htmlagilitypack.codeplex.com
@Liath：是的，不应使用正则表达式处理 HTML。为什么你认为这应该是一个评论？我确实提出了一种替代 OP 要求的方法，并且还包含了有关如何做到这一点的信息。
这仅仅是因为问题是关于 RegExes 而不是我该如何做到这一点......但这只是问题的措辞。我 100% 同意这是正确的方法。
我认为您的第一个线索将在 OP not a html file Kindly suggest correct regex for above

【解决方案2】：

说明

这个正则表达式将：

在锚标签内找到href属性值
避免一些困难的边缘情况

<a\b(?=\s)(?=(?:[^>=]|='[^']*'|="[^"]*"|=[^'"][^\s>]*)*?\shr=.*?ef=3D['"]([^"]*)['"]?)(?:[^>=]|='[^']*'|="[^"]*"|=[^'"\s]*)*"\s?\/?>.*?<\/a>

示例

示例文本

注意鼠标悬停中的困难边缘情况

<a onmouseover=' href="NotTheHrefYoureLookingFor" ; funRotator(href) ; ' target=3D"_blank" href="http://abc.com/blog/check-your-cars-health-before-going-on-lo= ng-trip/">link text </a>

捕获组

[0] => <a onmouseover=' href=" hr=
ef=3D NotTheHrefYoureLookingFor" ; funRotator(href) ; ' target=3D"_blank" hr=
ef=3D"http://abc.com/blog/check-your-cars-health-before-going-on-lo=
ng-trip/">link text
</a>
[1] => http://abc.com/blog/check-your-cars-health-before-going-on-lo=
ng-trip/

【讨论】：