Question

因此，我尝试使用包含单词blog的每个链接获取URL作为锚文本。

EG：

<a href="http://asdas.com/blog">this is our blog</a>
<a href="http://asdas.com/blog">BLOG</a>
<a href="http://asdas.com/blog">   blogging   </a>

结果：http://asdas.com/blog

这项工作正常，除非链接中有更多的html标签...

<a class="asdadasd" href="http://asdas.com/blog" id="asdasd">this is our blog</a>

结果：http://asdas.com/blog" id="asdasd

这就是我所拥有的

(?i)<a.+href="(.*)".*>.*?blog.*?</a>

Answer 1

您需要使用?让(.*)懒惰。否则，.*会继续抓住所有内容，直到最终结束"。

试试这个：

(?i)<a.+href="(.*?)".*>.*?blog.*?</a>

我所做的就是将(.*)更改为(.*?)。

Answer 2

单独使用RegEx很头疼。永远不要使用RegEx解析HTML文档。使用DOMParser()执行此操作：

＆＃13;

var html = `<a href="http://asdas.com/blog">this is our blog</a>
<a href="http://asdas.com/blog">BLOG</a>
<a href="http://asdas.com/blog">   test   </a>`;

var doc = (new DOMParser()).parseFromString(html, 'text/html')
var aTags = doc.documentElement.getElementsByTagName('a')

Array.prototype.slice.call(aTags).forEach(function(a) {
   if(a.innerText.match(/blog/i))
     console.log(a.href)
});

＆＃13;

根据anchortext获取超链接的URL

2 个答案: