Регулярное выражение для извлечения якоря - PullRequest
Новая
       1

Регулярное выражение для извлечения якоря

1 голос
/ 30 июля 2010

У меня есть куча html, и мне нужно получить все якоря и значение привязки с помощью регулярного выражения.

Это образец HTML, который мне нужно обработать: 

<P align=center><SPAN style="FONT-FAMILY: Arial; FONT-SIZE: 10px"><SPAN style="COLOR: #666666">View the </SPAN><A href="http://www.google.com"><SPAN style="COLOR: #666666">online version</SPAN></A><SPAN style="COLOR: #666666"> if you are having trouble <A name=hi>displaying </A>this <a name="msg">message</A></SPAN></SPAN></P>

Итак, мне нужно уметь все <A name="blah">.

Любая помощь очень ценится.

Ответы [ 3 ]

2 голосов
/ 30 июля 2010

Как предлагают сотни других ответов на stackoverflow - плохая идея использовать регулярные выражения для обработки html.используйте какой-нибудь html-парсер.

Но, например, если вам все еще нужно регулярное выражение для поиска URL-адресов href, ниже приведено регулярное выражение, которое можно использовать для сопоставления hrefs и извлечения его значения: 

\b(?<=(href="))[^"]*?(?=")

Если вы хотитеполучить содержимое внутри <A> и </A>, тогда использование регулярных выражений - действительно плохой подход, так как заглядывание / отставание в регулярном выражении не поддерживает регулярное выражение, создающее совпадения переменной длины.

0 голосов
/ 30 июля 2010

Не забудьте добавить ссылку на Microsoft.mshtml.dll

using System;
using System.IO;
using System.Linq;
using System.Windows.Forms;

namespace WindowsFormsApplication1
{
    public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();

            string html = "<P align=center><SPAN style=\"FONT-FAMILY: Arial; FONT-SIZE: 10px\"><SPAN style=\"COLOR: #666666\">View the </SPAN><A href=\"http://www.google.com\"><SPAN style=\"COLOR: #666666\">online version</SPAN></A><SPAN style=\"COLOR: #666666\"> if you are having trouble <A name=hi>displaying </A>this <a name=\"msg\">message</A></SPAN></SPAN></P>";
            string fileName = Path.Combine(Path.GetTempPath(), Path.GetTempFileName());
            System.IO.File.WriteAllText(fileName, html);

            var browser = new WebBrowser();
            browser.Navigated += (sender, e) => browser_Navigated(sender, e);
            browser.Navigate(new Uri(fileName));
        }

        private void browser_Navigated(object sender, WebBrowserNavigatedEventArgs e)
        {
            var browser = (WebBrowser)sender;
            var links = browser
                        .Document
                        .Links
                        .OfType<HtmlElement>()
                        .Select(l => ((mshtml.HTMLAnchorElement)l.DomElement).href); 
                        //result: { "http://www.google.com", .. }
        }
    }
}
0 голосов
/ 30 июля 2010

шаблон <a.*?(?<attribute>href|name)="(?<value>.*?)".*?>

, поэтому ваш код c # будет 

Regex expression = new Regex("<a.*?(?<attribute>href|name)=\"(?<value>.*?)\".*?>", RegexOptions.IgnoreCase);
...