C# 正则表达式：从超链接获取url值

我有一个包含html的字符串。我想使用C从超链接获取所有href值。 目标字符串 我想获得值~/abc/cde和~/abc/ghq

使用解析HTML。就在他们的页面上，他们有一个解析href值的一些HTML的示例：

 foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a[@href"])
 {
    HtmlAttribute att = link["href"];

    // Do stuff with attribute value
 }

使用用于解析HTML的。就在他们的页面上，他们有一个解析href值的一些HTML的示例：

 foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a[@href"])
 {
    HtmlAttribute att = link["href"];

    // Do stuff with attribute value
 }

---

使用正则表达式解析HTML是不可取的，请考虑注释中的文本等

也就是说，下面的正则表达式应该可以做到这一点，如果需要，还可以在标记中提供链接HTML：

Regex regex = new Regex(@"\<a\s[^\<\>]*?href=(?<quote>['""])(?<href>((?!\k<quote>).)*)\k<quote>[^\>]*\>(?<linkHtml>((?!\</a\s*\>).)*)\</a\s*\>", RegexOptions.IgnoreCase|RegexOptions.ExplicitCapture);
for (Match match = regex.Match(inputHtml); match.Success; match=match.NextMatch()) {
  Console.WriteLine(match.Groups["href"]);
}

---

使用正则表达式解析HTML是不可取的，请考虑注释中的文本等

也就是说，下面的正则表达式应该可以做到这一点，如果需要，还可以在标记中提供链接HTML：

Regex regex = new Regex(@"\<a\s[^\<\>]*?href=(?<quote>['""])(?<href>((?!\k<quote>).)*)\k<quote>[^\>]*\>(?<linkHtml>((?!\</a\s*\>).)*)\</a\s*\>", RegexOptions.IgnoreCase|RegexOptions.ExplicitCapture);
for (Match match = regex.Match(inputHtml); match.Success; match=match.NextMatch()) {
  Console.WriteLine(match.Groups["href"]);
}

---

下面是regex use IgnoreWhitespace选项的一个片段：

(?:<)(?<Tag>[^\s/>]+)       # Extract the tag name.
(?![/>])                    # Stop if /> is found
# -- Extract Attributes Key Value Pairs  --

((?:\s+)             # One to many spaces start the attribute
 (?<Key>[^=]+)       # Name/key of the attribute
 (?:=)               # Equals sign needs to be matched, but not captured.

(?([\x22\x27])              # If quotes are found
  (?:[\x22\x27])
  (?<Value>[^\x22\x27]+)    # Place the value into named Capture
  (?:[\x22\x27])
 |                          # Else no quotes
   (?<Value>[^\s/>]*)       # Place the value into named Capture
 )
)+                  # -- One to many attributes found!

这将为您提供每个标记，您可以筛选出所需的内容，并针对所需的属性

---

我在我的博客中写了更多关于这方面的内容。

这里是regex use IgnoreWhitespace选项的一个片段：

(?:<)(?<Tag>[^\s/>]+)       # Extract the tag name.
(?![/>])                    # Stop if /> is found
# -- Extract Attributes Key Value Pairs  --

((?:\s+)             # One to many spaces start the attribute
 (?<Key>[^=]+)       # Name/key of the attribute
 (?:=)               # Equals sign needs to be matched, but not captured.

(?([\x22\x27])              # If quotes are found
  (?:[\x22\x27])
  (?<Value>[^\x22\x27]+)    # Place the value into named Capture
  (?:[\x22\x27])
 |                          # Else no quotes
   (?<Value>[^\s/>]*)       # Place the value into named Capture
 )
)+                  # -- One to many attributes found!

这将为您提供每个标记，您可以筛选出所需的内容，并针对所需的属性

---

我在我的博客中写了更多关于这方面的内容。

：@balpha:什么？这在这里绝对不适用。您可以使用正则表达式获取打开标记的href，甚至不用担心关闭标记。@Platinum:@balpha:好吧，我很高兴您有幽默感，但考虑到它也出现在下面的每个答案中，您可以理解为什么我可能会认为人们有这种下意识的omg从不使用正则表达式解析HTML响应，emoticon或no.@Platinum Azure:没什么害处-我只是想提一下这个答案，因为如果你读过一次，它就会一直萦绕在你的脑海中，每当你开始用正则表达式解析标记时，它就会萦绕在你的脑海中。这并不意味着它总是错的，但是在你的头脑中有了这个答案至少会让你想一想。我有时也会在没有真正的解析器的情况下分析HTML，但我通常会在它前面放一条中心无法保存的注释：@balpha:What？这在这里绝对不适用。您可以使用正则表达式获取打开标记的href，甚至不用担心关闭标记。@Platinum:@balpha:好吧，我很高兴您有幽默感，但考虑到它也出现在下面的每个答案中，您可以理解为什么我可能会认为人们有这种下意识的omg从不使用正则表达式解析HTML响应，emoticon或no.@Platinum Azure:没什么害处-我只是想提一下这个答案，因为如果你读过一次，它就会一直萦绕在你的脑海中，每当你开始用正则表达式解析标记时，它就会萦绕在你的脑海中。这并不意味着它总是错的，但是在你的头脑中有了这个答案至少会让你想一想。我有时也会在没有真正的解析器的情况下分析HTML，但我通常会在它前面放一条中心无法保存的注释：这正是我所要寻找的，群组的工作原理是什么？我正在为img src做同样的尝试，但它不起作用，知道吗？正则表达式srcs=新正则表达式@\[']\k、 *\k[^\>]*\>？？！\.\\\\，RegexOptions.IgnoreCase | RegexOptions.ExplicitCapture；img标记是空标记，因此您没有内容。试试这个：\[']\k、 *\k[^\>]*\>这正是我想要的，小组的工作原理？我正在为img src尝试同样的方法，但它不起作用，知道吗？正则表达式srcs=新正则表达式@\[']\k、 *\k[^\>]*\>？？！\.\\\\，RegexOptions.IgnoreCase | RegexOptions.ExplicitCapture；img标记是空标记，因此您没有内容。试试这个：\[']\k、 *\k[^\>]*\>