C# Html 信息采集(标题和链接)

[isaced]

这有一段html代码：

<img src="http://images.net/dz7/extend/index_threads/picli.gif" border="0" /><a href="thread-2902-1-1.html" target="_blank" class="hidden">标题1</a>
</div><div class="index_item">
<img src="http://images.net/dz7/extend/index_threads/picli.gif" border="0" /><a href="thread-2829-1-1.html" target="_blank" class="hidden">标题2</a>
</div><div class="index_item">
<img src="http://images.net/dz7/extend/index_threads/picli.gif" border="0" /><a href="thread-2771-1-1.html" target="_blank" class="hidden">标题3</a>

要在里面取出：

1.这3个的链接，如（thread-2829-1-1.html）
2.这3个标题，如（标题1）



取出来用一个数组放链接:["thread-2902-1-1.html"],["thread-2829-1-1.html"],["thread-2771-1-1.html"]

再用一个数组放标题，都是string的:["标题1"],["标题2"]["标题3"]




代码要怎么写？？

[兔子-顾问]

        private static void TestRegex02()
        {
            string html = @"<img src=""http://images.net/dz7/extend/index_threads/picli.gif"" border=""0"" /><a href=""thread-2902-1-1.html"" target=""_blank"" class=""hidden"">标题1</a>
</div><div class=""index_item"">
<img src=""http://images.net/dz7/extend/index_threads/picli.gif"" border=""0"" /><a href=""thread-2829-1-1.html"" target=""_blank"" class=""hidden"">标题2</a>
</div><div class=""index_item"">
<img src=""http://images.net/dz7/extend/index_threads/picli.gif"" border=""0"" /><a href=""thread-2771-1-1.html"" target=""_blank"" class=""hidden"">标题3</a>

";
            MatchCollection mc = Regex.Matches(html, @"(?is)<a href=(['""]?)(?<url>[^'"" ]+)\1[^>]*>(?<text>.+?)</a>");
            foreach (Match m in mc)
            {
                Console.WriteLine("url:" + m.Groups["url"].Value);
                Console.WriteLine("text:" + Regex.Replace(m.Groups["text"].Value, "<[^<>]*>", ""));//去掉<font>之类的
            }
        }

不做解释注释了。你自己看看把。

[wuyq11]

MatchCollection mc= Regex.Matches(str, @" <a[^> ]*href=([ ' " "]?)(? <url> [^ ' " "> \s]*)\1?[^> ]*> (? <text> [^ <]*) </a> ", RegexOptions.IgnoreCase);
foreach (Match m in mc)
{
Response.Write(m.Groups[ "url "].Value);
Response.Write(m.Groups[ "text "].Value);
}
MatchCollection mc = Regex.Matches(Str, @"(?i)<a(?>(?:(?!href=)[^>])*)href=(['""]?)(?<url>[^""'\s>]*)\1[^>]*>(?<text>[\s\S]*?)</a>");

[amy_guoguo]

学习！！！

[使我做你和平之子]

这个貌似用javascript比较简单，因为可以直接操作html元素：
function getLinks()
{
var links = document.getElementsByTagName("A");
for (var i = 0; i < links.length; i++)
{
alert("连接：" + links[i].href + "; 标题:" + links[i].firstChild.toString());
}
}

<input type="button" value="试验" id="test" onclick="getLinks()" />
如果是动态抓取，可以利用webbrowser控件里：
mywebbrowser.Document.GetElementById("test").InvokeMember("click");

[robin521]

[Quote=引用 3 楼 hzzasdf 的回复:]
这个貌似用javascript比较简单，因为可以直接操作html元素：
function getLinks()
{
var links = document.getElementsByTagName("A");
for (var i = 0; i < links.length; i++)
{
alert("连接：" + links[i].href + "; 标题:" + links[i……
[/Quote]
嗯，我顶这个。