Question

我想解析html文件中的所有链接标记。所以为此我写了以下正则表达式。

var pattern = @"<(LINK).*?HREF=(""|')?(?<URL>.*?)(""|')?.*?>";
var regExOptions = RegexOptions.Compiled | RegexOptions.IgnoreCase | RegexOptions.Multiline;

var linkRegEx = new Regex(pattern , regExOptions );

foreach (Match match in linkRegEx.Matches(htmlFile))
{
    var group = match.Groups["URL"];
    var url = group.Value;
}

但是我发现从html文件中找到匹配但是我得到了空白捕获组。

Answer 1

您可以尝试这样的模式：

var pattern = @"<(LINK).*?HREF=(?:([""'])(?<URL>.*?)\2|(?<URL>[^\s>]*)).*?>";

这将匹配：

文字<
在第1组中捕获的文字LINK
任何角色的零个或多个，非贪婪
以下任一项
- 在第2组中捕获的单个"或'
- 在URL组中捕获的非贪婪任何角色的零个或多个。
- 组2中匹配的内容（\2是后引用）
  或

任何角色的零个或多个，非贪婪

文字>

这将正确处理如下输入：

<LINK HREF="Foo">生成url = "Foo"

<LINK HREF='Bar'>生成url = "Bar"

<LINK HREF=Baz>生成url = "Baz"

正则表达式捕获组问题

1 个答案: