C# C的简单正则表达式帮助#

我有一个未完成的二进制文件，其中包含一些我可以使用正则表达式恢复的信息。内容包括:

G$12.1.3.5.1957.720p.HDTV.x264-HDLHhttp://site.com/forum/f89/12-angry-men-1957-720p-hdtv-x264-hdl-538403/ L IŠM，ABBA.The.Movie.1977.720p.BluRay.DTS.x264-iONN Phttp://site.com/forum/f89/abba-movie-1977-720p-bluray-dts-x264-ion-428687/&

我如何解析它，以便至少可以获得以下链接：

http://site.com/forum/f89/abba-movie-1977-720p-bluray-dts-x264-ion-428687/

其中

428687

是

id

编号

所以我会有一个

完整链接

和一个

id

前面的其他名称是链接的名称：

ABBA.The.Movie.1977.720p.BluRay.DTS.x264-iON

虽然我不确定这些是否可以被解析。我注意到它们在

链接

和

名称

前后都有一个字符。也许这可以缩小问题的范围

---

顺便说一句，如果答案正确，我愿意悬赏500英镑。

类似以下正则表达式的东西

MatchCollection matches = Regex.Matches(yourString, @"http://\S+?-(\d+)/") 
foreach(Match m in matches)
{
    string id = m.Captures[0].Value;
    string url = m.Value;
}

它将抓取链接（从

http://

开始），然后所有内容都不是空格（保证在http（URI）链接中没有空格），并假设它以数字和尾随斜杠结尾（这将正确删除示例中的

&

或其他尾随文本）

编辑：整个匹配是链接，ID在第一个括号中，更新代码以显示如何获取信息

更新：如果短划线+数字+斜杠可以在URL中出现多次，则必须使用greediness，但随后连续链接（没有额外的文本包含空格）将匹配在一起。如果每个URL只出现一次破折号+数字+斜杠，则首选惰性。这是上面代码中当前的解决方案

替代方法 从更新和额外的信息中，我了解到文本有很多不清楚的地方。另一种方法可能更简单：在http://上拆分所有内容并查看结果。这样可以避免生成复杂的前向/后向正则表达式，并确保正确处理连续链接（即，中间没有文本）：

// zero-width split:
string[] linksWithText = Regex.Split(yourString, @"(?<=http:\S+-\d+/)");
foreach (string link in linksWithText)
{
    Match m = Regex.Match(link, @"(.*)(http:\S+-(\d+)/)$");
    if (m.Success)
    {
        string text = m.Groups[1].Value;
        string url = m.Groups[2].Value;
        string id = m.Groups[3].Value;
    }
}

//零宽度分割：
string[]linksWithText=Regex.Split（您的字符串，@）（？假设所有URL都以连字符结尾，后跟一些任意数字，后跟反斜杠。这可能有效

`http://[^ ]*-?<id>(\d)+/`

`http://[^]*-？（\d）+/`

你觉得怎么样

更新：尝试以下操作：-

http://（？！http://）[^]*-？（\d）+/

更新代码（？？http://）以停止URL匹配的两个URL与一些不是中间空间的URL之间的中间数据连接。
您可以按名称获取捕获的组。整个搜索将是匹配的url，组将与id匹配。
您的匹配将不正确地只匹配http://site.com/forum-24/something-abba-47373/的前半部分，但如果链接从不包含破折号+数字，则它也可以正常工作（换句话说：实际上，我们需要更多关于链接的信息，以确保我们能够提供正确的正则表达式）.Yes links info-wise，只能以http://开头，以/结尾。这是肯定的。Abel，*是贪婪的，它将匹配到第一个空格字符，然后回溯到最后一个连字符，后面是一系列数字，后面是反斜杠。它应该匹配整个url。贪婪的*尝试尽可能多地匹配。谢谢Jass，我尝试了第二，但使用以下命令引发了异常：Regex.Matches（内容@“”（http://[^]*-？（\d）+/））；关于链接的识别，有几个问题：文本是否包含斜杠？结尾是保证短划线+数字+斜杠还是仅保证斜杠？数字前面是否没有短划线？上面的摘录是否正确，后面的斜杠后面可以有任何非空格字符？文本指的是名称或链接？是的，这是保证的to be-DIGIT/用于链接。总是有数字。我不明白最后一个问题？请澄清一下好吗？我最后的评论是关于URL末尾的-12734/xxx。其中xxx可以是任何东西（如示例中的
&
）.不以空格或特殊字符结尾会使匹配更加困难。谢谢，我现在知道了。是的，由于二进制格式，它可能会以&或其他奇怪的字符结尾。但我注意到，如果你看内容，链接和名称前后都有一个额外的字符，那就不用了。对于名称Abba，它们是，N。我喜欢它hat 500赏金，在哪里？；-）谢谢，顺便说一句，你能帮我将链接和ID分组吗？你的返回完整链接正确。我使用了捕获，从0开始，组从1开始（因此是例外）。我的错。我展示了一种替代方法，可以让你更多地控制。关于你的“名字”“：在我的另一种方法中，它是
text
。如果您想要名称，可以使用它，它更容易阅读（没有测试任何内容，希望代码足够正确，您可以继续）啊，对不起，文本在前面。请稍等，我会修正。谢谢Jass！@Joan:为了回答你最近的问题，我需要你的数据样本，特别是出错的部分。我用你在q中给出的样本进行了测试。我对它进行了一点扩展。它对我来说运行良好，忽略
&
，如果它出现在字符串末尾，它将包括到如果文本在中间（不能改变它，除非你知道它匹配什么，即一个特定的字符列表）。