Question

假设我的字符串是

http://www.test.com\r\nhttp://www.hello.com<some text here>http://www.world.com

我想提取字符串中的所有网址。输出应如下：

http://www.test.com
http://www.hello.com
http://www.world.com

我怎样才能做到这一点？

字符串中没有html标记，因此使用HTMLAgilityPack提取它们不是一个可行的选择。

Answer 1

在其他答案和评论中，我实际可以实施的最简单的方法是拆分方式。你知道这里有很多盲目猜测，并且最好的选择之一就是：

using System.Text.RegularExpressions;

public static List<string> ParseUrls(string input) {
    List<string> urls = new List<string>();
    const string pattern = "http://"; //here you may use a better expression to include ftp and so on
    string[] m = Regex.Split(input, pattern);
    for (int i = 0; i < m.Length; i++)
        if (i % 2 == 0){
            Match urlMatch = Regex.Match(m[i],"^(?<url>[a-zA-Z0-9/?=&.]+)", RegexOptions.Singleline);
            if(urlMatch.Success)
                urls.Add(string.Format("http://{0}", urlMatch.Groups["url"].Value)); //modify the prefix according to the chosen pattern                            
        }
    return urls;
}

Answer 2

自＆＃34;：＆＃34;不是URL中的有效字符，可以假设当您搜索＆＃34; http：//＆＃34;您将获得一个良好，有效的URL开头。

搜索并找到你的开始。

您可以构建一个您可能遇到的已知良好TLD列表（这将有所帮助：http://en.wikipedia.org/wiki/List_of_Internet_top-level_domains）

你知道这将是你的终点;所以你可以从字符串的开头搜索这些内容。

从头开始，从此索引开始。跳过它后面的一切，它没有用。

我假设你没有子目录;因为你没有列出任何一个。

Answer 3

您可以使用this question中的字符串拆分逻辑，通过“http：//”搜索和拆分/。如果确实需要“http：//”部分，您可以随时添加它。

编辑：请注意，您必须在每个URL的末尾搜索并过滤（例如？）\ r \ n，但这应该不是一个大问题......

从字符串中提取URL

3 个答案: