在字符串中查找 hrefs 值

Posted 2023-02-22

【中文标题】在字符串中查找 hrefs 值

【英文标题】：Find hrefs value in string

【发布时间】：2020-02-22 20:10:32

【问题描述】：

如何从所有 href 中检索所有 url 我不想使用 html Agility Pack 或类似的 - 必须是干净的代码并且非常短。

        HttpClient client = new HttpClient();
        static async Task Main(string[] args)
        
            Program program = new Program();
            await program.GetTodoItems();
            await program.Function();
            Console.WriteLine("Hello Word!");
        

        private async Task GetTodoItems()
        
            string ResponseHtml = await client.GetStringAsync("https://example.com");

            var LinkParser = new Regex(@"\b(?:https?://|www\.)\S+\b", RegexOptions.Compiled | RegexOptions.IgnoreCase);
            foreach (Match m in LinkParser.Matches(ResponseHtml))
            
                Console.WriteLine(m.Value);
            
        

我希望干净的网址不会翻倍，并且仅适用于网站而不适用于脚本。这段代码向我展示了一些带有额外标签和字符的链接：

https://example.com/libs/jquery/1.11.2/jquery.min.js">

https://www.google-analytics.com/analytics.js','ga

【问题讨论】：

您说您要检索所有网址，但您的正则表达式仅匹配以 http: https: 和 www 开头的字符串。这并不涵盖您在 href 中可能遇到的所有 url

请不要通过破坏您的帖子为他人增加工作量。通过在 Stack Exchange (SE) 网络上发帖，您已根据 CC BY-SA license 授予 SE 分发内容的不可撤销权利（即无论您未来的选择如何）。根据 SE 政策，分发非破坏版本。因此，任何破坏行为都将被撤销。请参阅：How does deleting work? …。如果允许删除，则帖子下方左侧有一个“删除”按钮，但仅在浏览器中，而不是移动应用程序中。

锁定没有明确的持续时间，因为以前的锁定已过期。请不要和版主玩猫捉老鼠。

【参考方案1】：

围绕“一个或多个非空白”扩展捕获组

LinkParser = new Regex(@"\b(?<url>https?://\S+)['""]", RegexOptions.Compiled | RegexOptions.IgnoreCase);

然后使用

访问匹配集合

m.Groups["url"].Value

更简单的模式也可以很好地工作：\b(?<url>http.*?)['"]

这些都是非常原始的，我不能保证它适用于所有情况。如果您的 url 根本没有被引用，请考虑在 end 类中添加空格和右尖括号。你最好使用可靠的库来处理这个because ...

【讨论】：

这并不能解决 OP 的问题，它仍然会捕获 url 之后直到第一个空格的任何内容。