使用正则表达式获取与其关联的链接和文本（锚标记）

Question

我创建了一个正则表达式字符串，我希望在html页面中同时获得链接和相关文本。例如，如果我有一个链接，例如：

<a href='www.la.com/magic.htm'>magicians of los angeles</a>

然后我想要的链接是＆＃39; www.la.com/magic.htm'我想要的文字是洛杉矶的魔术师。

我使用了以下正则表达式：

strsearch = "\<a\s+(.*?)\>(.*?)\</a\s*?\>|"

但是我的vb程序告诉我，我的比赛太多了。 regEx表达式有问题吗？

圆括号是为了获得＆＃39;组＆＃39;可以反向引用。 感谢

Answer 1

这个怎么样：

\<a href=.+\</a>

剩下要做的就是遍历每个匹配并使用常规字符串操作提取子字符串。

检查here（虽然regexr遵循javascript正则表达式实现，但它在我们的场景中仍然有用）

话虽如此，我经常看到有人说正则表达式不适合解析Html。您可能需要使用Html Parser。你有HtmlAgilityPack，不再维护，还有AngleSharp，我知道推荐。

Answer 2

我尝试了以下模式，它有效。

\<a href=(.*?)\>(.*?)\<\/a\s*?\>|

还在原始字符串中发现了两个错误：

• 错过了/ a
上的转义语法
• 捕获保留字'href' 第一组

最后，我想推荐一个很棒的网站来测试REGEX字符串。它可以帮助您快速调试。参考这个（也展示你想要的结果）： REGEX101