用于从 HTML 代码解析 URL 的正则表达式

本文关键字：URL 正则表达式 HTML 代码 用于 | 更新日期: 2023-09-27 18:32:11

我有HTML代码，我想从中解析超链接的值，我希望使用正则表达式。整个页面的代码可以在下面附加的html中找到：

http://dl.dropbox.com/u/4571235/example.html

我想在文档中每个"比较价格"按钮之后获取超链接。

用于从 HTML 代码解析 URL 的正则表达式

在这里检查。

并尝试以下代码：

public static bool isValidUrl(ref string url)
{
    string pattern = @"^(http|https|ftp)'://[a-zA-Z0-9'-'.]+'.[a-zA-Z]{2,3}(:[a-zA-Z0-9]*)?/?([a-zA-Z0-9'-'._'?',''/'''+&%'$#'=~])*[^'.',')'('s]$";
    Regex reg = new Regex(pattern, RegexOptions.Compiled | RegexOptions.IgnoreCase);
    return reg.IsMatch(url);
}

我看到源代码中还有其他 URL - 我可以建议以下正则表达式，但只有当每个"比较价格"文本后面直接跟着您感兴趣的 url 时，它才能正常工作（即，如果"正确"之间没有其他 URL）。如果存在没有匹配 url 的"比较价格"文本，则需要根据某些规则更改正则表达式。

value="Compare prices"(?:.*?)<a's+href="([^"]*?)"

网址将位于匹配的组 1 中。

通常链接位于"标签"或"链接"或"img src="url"中。
如果它在 href 标签中，您可以检查有效的 href，然后仅对初学者执行验证......
0. 首先以按钮包含的形式获取所有内部 html.
1.然后只拿起href标签进行进一步检查...pattern="<a[^>]*>" or pattern="<link[^>]*>" or pattern="<img[^>]*>"
2.然后为每个标签拉出链接，src和href标签
3.然后检查网址是否有效。注意：如果你可以执行步骤0，那么你最链接地只获取给定类型的所有属性，然后对它们执行正则表达式.

相关文章：