Regex -获取所有的href和innertext
本文关键字：href innertext 获取 Regex | 更新日期: 2023-09-27 18:18:49
我试图从文本文件中获得URLs和InnerTexts，我无法访问设备上的DOM对象(只有文本文件)，所以只有RegEx可以使用。
<a href="/LinkClick.aspx?fileticket=a random text string">I want this text</a>
我需要在整个文本文件中使用所有这些集合:
URL = /LinkClick.aspx?fileticket=a random text string
TITLE = I want this text
RegEx解析HTML?这在理论上是可能的，但是我在这方面并没有取得很大的成功，除非您能够确保从漂亮、干净的XHTML开始。问题是，合法的HTML并不总是格式良好，有些东西可以跨行，但仍然是HTML，只是不符合RegEx。我建议您找到一些库，它们可以帮您将HTML解析成DOM树之类的东西，然后用XPATH来处理生成的DOM。c#有一个HtmlDocument类，不是吗?在我使用RegEx之前，我会尝试一下。
您可以使用如下的正则表达式:
'<a.+?href=(?<q>["'])(.+?)'k<q>.*?>([^'<]+)
URL为第2组的值，TITLE为第3组的值。
如果文档是有效的XHTML，还可以使用System.Xml名称空间中的类来解析文档，然后检索所有<a>元素。