时间戳

首页 > 解决方案 > RegEx，VB.Net：在 HTML 中查找链接（jepp，再次）

regex - RegEx，VB.Net：在 HTML 中查找链接（jepp，再次）

问题描述

首先，我的第一篇文章，所以如果我错过了什么，请原谅我。

问题很简单。我想从 html 文档中提取所有链接。当然，我正在寻找解决方案。我尝试了至少 30 个，但没有一个效果足够好，大多数根本不起作用。

我最终得到了这个（VB.Net）：

    Dim rx As New System.Text.RegularExpressions.Regex("<a\s+(?:[^>]*?\s+)?href=""([^""]*)""")

    ' Get regex matches
    Dim mt As System.Text.RegularExpressions.MatchCollection = rx.Matches( _
      "sdfhjkl<a title=""datenkrake"" href=""http://www.google.de"">sdfghj</a>dfTHISISNOTALINK " & _
      "href=""narf.com""ghjkl<a href=""www.bing.de"" rel=""not really..."">bullshit</a>df<a href=""/"">local stuff</a>ghj" _
    )

    ' Check regex matches
    Diagnostics.Debug.WriteLine("Matches: " & mt.Count)
    For i As Integer = 0 To mt.Count - 1
        Diagnostics.Debug.WriteLine("  " & mt(i).Value)
    Next

    Diagnostics.Debug.WriteLine("----------")

    ' Get URLs from the results
    For i As Integer = 0 To mt.Count - 1
        Diagnostics.Debug.WriteLine("  " & mt(i).Value.Substring(mt(i).Value.TrimEnd("""").LastIndexOf("""")).Trim(""""))
    Next

调试输出：

    Matches: 3
      <a title="datenkrake" href="http://www.google.de"
      <a href="www.bing.de"
      <a href="/"
    ----------
      http://www.google.de
      www.bing.de
      /

这（下线）正是我想要的。但是如果没有所有这些 trim 和 lastindexof 的东西，这个输出不是可能的吗？

我很确定我永远不会理解这个笑脸 g@ngbang（又名正则表达式）......但对于这种情况，性能很重要。

提前致谢！

标签： regexvb.net

解决方案

推荐阅读