html - 解析超链接和描述的正则表达式

Question

C#:什么是解析超链接及其描述的良好正则表达式？

请考虑不区分大小写、空格和在 HREF 标签周围使用单引号(而不是双引号)。

还请考虑获取在 <a> 中具有其他标签的超链接诸如 <b> 之类的标签和 <i> .

Answer 1

只要没有嵌套标签(也没有换行符)，以下变体就可以正常工作:

<a\s+href=(?:"([^"]+)"|'([^']+)').*?>(.*?)</a>

一旦嵌套标签发挥作用，正则表达式就不适用于解析。但是，您仍然可以通过应用现代解释器的更多高级功能(取决于您的正则表达式机器)来使用它们。例如。 .NET 正则表达式使用堆栈；我发现了这个:

(?:<a.*?href=[""'](?<url>.*?)[""'].*?>)(?<name>(?><a[^<]*>(?<DEPTH>)|</a>(?<-DEPTH>)|.)+)(?(DEPTH)(?!))(?:</a>) 

来源:http://weblogs.asp.net/scottcate/archive/2004/12/13/281955.aspx