正则表达式提取包含特定单词的超链接

Question

我需要从一段文本中提取包含网址中特定单词的超链接。实施例;

“这是一个带有指向某个页面的链接的文字。点击此链接<a href="/server/specificword.htm>this is a link to a page</a>即可查看该页面。此处的链接中没有”specificword“一词：<a href="/server/mypage.htm>this is a link without the word "specificword" in the url</a> “

因此，我需要解析此文本，检查超链接以查看其中一个是否包含单词“specificword”，然后提取整个超链接。然后我会以此结束：

<a href="/server/specificword.htm>this is a link to a page</a>

我需要在网址中具有特定字符的超链接，例如。 /server/specificword.htm，不在链接文本

中

我试过的一个正则表达式就是这个：/(<a[^>]*>.*?</a>)|specificword/ 这将匹配文本中的所有超链接或“特定字”。如果文本有多个链接，没有“specificword”这个词，我也会得到这些。

另外，我尝试了这个，但它没有任何用处：

<a.*?href\s*=\s*["\']([^"\'>]*specificword[^"\'>]*)["\'][^>]*>.*?<\/a>

我的正则表达技巧在这里结束，任何帮助都会很棒......

Answer 1

尝试使用所有标签：

/<a [^>]*\bhref\s*=\s*"[^"]*SPECIFICWORD.*?<\/a>/

或仅用于链接（在第一个捕获组中）：

/<a [^>]*\bhref\s*=\s*"([^"]*SPECIFICWORD[^"]*)/

如果你使用php，链接：

preg_match_all('/<a [^>]*\bhref\s*=\s*"\K[^"]*SPECIFICWORD[^"]*/', $text, $results);

Answer 2

这个应该符合您的需求：

<a href="[^"]*?specificword.*?">.*?</a>

Demo

---

如果你想在你的主要焦点上允许其他属性，并且对内部空间更加谨慎，你可以尝试：

<a( [^>]*?)? href="[^"]*?specificword.*?"( .*?)?>.*?</a>

Demo

---

您当然也可以使用非捕获组(?:...)：

<a(?: [^>]*?)? href="[^"]*?specificword.*?"(?: .*?)?>.*?</a>

Demo

---

最后，如果您想允许href属性的简单引号：

<a(?: [^>]*?)? href=(["'])[^\1]*?specificword.*?\1(?: .*?)?>.*?</a>

Demo

---

最后但并非最不重要：如果您想捕获网址，只需在[^\1]*?specificword.*?部分附近加上括号：

<a(?: [^>]*?)? href=(["'])([^\1]*?specificword.*?)\1(?: .*?)?>.*?</a>

Demo

Answer 3

你试过的最后一个正则表达式差不多了。试试这个改动：

<a\s.*?href=["']([^"']*?specificword[^"']*?)[^>]*>.*?<\/a>

主要区别在于使量词“懒惰”。

Answer 4

尝试此模式这是您想要的确切要求

(?=.*href=\"([^\"]*specificword[^"]*)")<a [^>]+>

如果你只想要url值使用Groups [1] 像：

Regex.match("input string",@"(?=.*href=\"([^\"]*specificword[^"]*)")<a [^>]+>").Groups[1].value;