.net 用于解析网页链接的正则表达式？

我正在寻找一个.NET正则表达式从网页中提取所有URL，但还没有找到一个足够全面的方法来涵盖指定链接的所有不同方式

还有一个附带问题：

---

是否有一个正则表达式来管理所有的正则表达式？或者我最好使用一系列不太复杂的正则表达式，而只是对原始HTML使用多个传递？（速度与可维护性）

查看URI规范。那对你会有很大帮助。就性能而言，您几乎可以在一个普通网页中提取所有HTTP链接。当我说谦虚时，我绝对不是指像ELisp手册那样的一页包罗万象的HTML手册。此外，表演也是一个敏感的话题。我的建议是测量您的性能，然后决定是使用单个正则表达式提取所有链接，还是使用多个更简单的正则表达式提取所有链接

---

URL的？在图像/脚本/css/等中

%href=“（.[”]*）”%

---

这将从所有a标记捕获URL，只要HTML作者使用引号：

<a[^>]+href="([^"]+)"[^>]*>

---

我没有时间尝试和思考一个可能不起作用的正则表达式，但我想说的是，你应该非常明确地分解你的正则表达式，至少如果它达到：

（？：（？：\r\n）？[\t]）*（？：（？：（？：[^（）@；：\\”\[\]\000-\031]+（？：（？：（？：\r\n）？[\t]
)+|\Z |（？=[\[“（）@，；：\\”\[\]]））124；“（？：[^\“\r\\]\\.\.\。。。（？：（？：\r\n）？[\t]）*”（？：（？：）
\r\n）？[\t]）*（？：\。（？：（？：\r\n）？[\t]）*（？：[^（）@；：\\”\[\]\000-\031]+（？：（？：）(
？：\r\n）？[\t]）+\Z|（？=[\[“（）@，；：\\”\[\]]）））124；“（？：[^\“\r\\]\\\\.\。|（？：（？：\r\n）？[
\t] ）*“（？：（？：（？：\r\n）？[\t]）*）*@（？：（？：\r\n）？[\t]）*（？：[^（）@；：\\”\[\]\000-\0
....剪断*。。。。
*))*@（？：（？：\r\n）？[\t]）*（？：[^（）@；：\\”\[\]\000-\031]+（？：（？：（？：\r\n）？[\t]）
+|\Z |（？=[\[“（）@，；：\\”\[\]]））\[（[^\[\]\r\\]\\\\].*]）（？：（？：（？：\r\n）？[\t]）*）（？：\
.（？：（？：\r\n）？[\t]）*（？：[^（）@；：\\”\[\]\000-\031]+（？：（？：（？：\r\n）？[\t]）+\124z
|（？=[\[“（）@，；：\\”\[\]]））\[（[^\[\]\r\\]\\\\\].*\]（？：（？：\r\n）？[\t]）*）*>（？：(
？：\r\n）？[\t]）*）*）？；\s*）

（这应该与电子邮件地址匹配）

编辑：我甚至不能把它放在一个帖子上，太恶心了

((mailto\:|(news|(ht|f)tp(s?))\://){1}\S+)

这是我从你那里拿的

[编者注：{1}在这个正则表达式中没有真正的函数；]
所有的HTTP和MAILTO

(["'])(mailto:|http:).*?\1

href或src调用的所有链接，包括相关链接

#Matches things in single or double quotes, but not the quotes themselves
(?<=(["']))((?<=href=['"])|(?<=src=['"])).*?(?=\1)

#Maches thing in either double or single quotes, including the quotes.
(["'])((?<=href=")|(?<=src=")).*?\1

#匹配单引号或双引号中的内容，但不匹配引号本身
（？使用，您可以使用：

HtmlDocument doc = new HtmlDocument();
doc.Load("file.htm");
foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a@href")
{
Response.Write(link["href"].Value);
}
doc.Save("file.htm");

从RegexBuddy库：

URL:全文查找
最后一个字符类确保，如果URL是某些文本的一部分，则URL后面的逗号或句号等标点符号不会解释为URL的一部分

\b（https？| ftp |文件）：//[-A-Z0-9+&@#/%？=~ |！：，.；]*[-A-Z0-9+&@#/%=~ |]

据

从任何文本（不仅仅是HTML）提取url

强制性提及
HtmlDocument doc = new HtmlDocument();
doc.Load("file.htm");
foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a@href")
{
Response.Write(link["href"].Value);
}
doc.Save("file.htm");

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