Question

所以我有一个SharePoint网站，我有用户将新项目提交到SharePoint列表中。列表项中的某些字段包含引用文件或图像的URL，例如"http://host/abc.jpg"或"/abc.jpg"。

在其他字段中，用户编辑HTML代码，其中可能包含<a href="/abc.jpg">，<img src="/abc.jpg">等任何标记。

我的目标是查找包含链接/网址的字段，并提取指向具有文件名加扩展名的网址的网址。我没有问题从SharePoint字段中提取它，这些字段可能包含一些不相关的信息或使用这两个正则表达式的URL（以及仅限URL）：

//this will match full url e.g. http://localhost/path/a.jpg
var fullUrlRegex = 
            new Regex(@"^https?:\/\/(?:.*)[\.]+(?:[a-z0-9]{1,4})$");
//this will match an absolute path like //test/files to upload/222.jpg
var absolutePathRegex =
            new Regex(@"^\/.*[\.]+(?:[a-z0-9]{1,4})$");

var fullUrlRegexMatch = fullUrlRegex.Match(value);
var absolutePathRegexMatch = absolutePathRegex.Match(value);

//now check which one matched and save the value

但是，我不确定如何从用户在其他字段中输入的HTML代码中提取URL（相对URL和完整URL）。

假设这是用户的输入，我需要从该HTML代码中提取指向文件的链接。

<p>This is a <a href="/abc.jpg">picture</a>! 
And this is a pic too: <img src="/abc.jpg"></p>

标签可以是任何内容，不仅限于<a>和<img>。我认为可以解决这个问题的一种方法是使用HTML Agility Pack，但这似乎有些过分。正则表达式搜索src="(match this)"和href="(match this)"是否足够？我可能会错过什么？

Answer 1

试试这个正则表达式

(?<=(href="|src="))[/]*(?:[A-Za-z0-9-._~!$&'()*+,;=:@]|%[0-9a-fA-F]{2})*(?:/(?:[A-Za-z0-9-._~!$&'()*+,;=:@]|%[0-9a-fA-F]{2})*)*

只需将任何其他有效标签添加到列表中（href =＆＃34; | src =＆＃34;）

Answer 2

你的正则表达式不应该包含^的开头和$结尾。这是一个achor。请参阅：https://msdn.microsoft.com/en-us/library/az24scfc(v=vs.110).aspx。

还可以使用匹配方法获取所有匹配项。

正则表达式或从HTML中提取完整URL +相对URL的其他方法

2 个答案: