Question

我需要获取所有＆＃39; a＆＃39;的href属性值（大于特定长度）。 HTML文件中的元素。我做了这样的事情;

<a.*href\s*=\s*"(?<link>.{15,})".*>

但它无法正常工作。有什么建议？

Answer 1

以下几种方法可以避免在标记内捕获多个字段：

尝试使量词非贪婪。 {15,}?代替{15,}。这样它就会停在第二个双引号，而不是在<a />标记内捕获更多字段。

更好的选择是使用更具限制性的内容替换量词前面的全部.。尝试使用专用字符类，例如[^\s]{15,}将查找至少15个连续的非空白字符。

到目前为止，这两种方法都适用于我，但请记住，URL可能非常混乱，甚至在野外都会出现格式错误，因此您无法保证抓住所有内容。您对目标网站了解得越多越好。