正则表达式查找网页中的所有链接

Question

我试图在网站上找到源代码中的所有链接，有人能告诉我需要在我的正则表达式中找到这些表达式吗？

---

（以及其他）的重复：Regular expression for parsing links from a webpage?

Google发现更多：html links regex site:stackoverflow.com

Answer 1

我不确定这些会如何转化为C＃（我还没有在C＃中进行过任何开发），但是我可以在JavaScript或ColdFusion中使用它。它可能会让您了解如何在C＃中执行此操作。

在JavaScript中我认为这会起作用：

rex = /.*href="([^"]+)"/; 
a = source.replace(rex,'\n$1').split('\n'); 

之后a将是一个包含链接的数组......虽然我不确定它是否会按照我认为的方式运行。这里的想法是替换创建一个换行符分隔列表（因为你不能在URL中有换行符），然后你可以用split（）拆分列表来获取你的数组。

通过在ColdFusion中进行比较，你必须做一些稍微不同的事情：

a = REMatch('href="[^"]+"',source); 
for (i = 1; i < ArrayLen(a); i++) {
  a[i] = mid(a[i],6,len(a[i])-1); 
} 

同样，我还没有对它进行测试，但是rematch返回表达式的实例数组，然后for-next循环删除实际URL周围的href =“”。