正则提取链接

暖光 2011-07-19 11:31:23

<a onMouseDown="return inpmv(1340);"
href="/p-4074.html" target="docin_p_end">

<a target="docin_p_end" href="/p-41751927.html" title="影响中国孩子的名人故事（三）" onMouseDown="return inpmv(1293);">

<a target="docin_p_end" href="/p-19312068.html" title="世界杯走过的路" onMouseDown="return inpmv(1293);">
怎样将网页中的上面的类似的代码中的 href="/p-4074.html"
href="/p-41751927.html"
用正则提取后是 http://www.docin.com/p-4074.html
http://www.docin.com/p-685275.html 这种形式的？

...全文

130 7 打赏收藏转发到动态举报

写回复

用AI写文章

7 条回复

切换为时间正序

请发表友善的回复…

发表回复

windowslinuxjavanet 2011-07-20

打赏
举报

正则是个好东西,抓取网页常用
有兴趣的朋友可以加入net开源交流群,共同探讨学习69594961

q107770540 2011-07-19

打赏
举报



void Main()

{

	string html=@"<a onMouseDown=""return inpmv(1340);""

href=""/p-4074.html"" target=""docin_p_end"">



<a target=""docin_p_end"" href=""/p-41751927.html"" title=""影响中国孩子的名人故事（三）"" onMouseDown=""return inpmv(1293);"">





<a target=""docin_p_end"" href=""/p-19312068.html"" title=""世界杯走过的路"" onMouseDown=""return inpmv(1293);"">";

	foreach(Match m in Regex.Matches(html,@"(?i)<a[^>]*?href=(['""\s]?)(?<href>[^'""\s]+)\1[^>]*?>"))

	{

	  Console.WriteLine("http://www.docin.com"+m.Groups["href"].Value);

	}

	

	/*

	http://www.docin.com/p-4074.html

	http://www.docin.com/p-41751927.html

	http://www.docin.com/p-19312068.html

	*/

}

aXen 2011-07-19

打赏
举报

(?is)(?<=<a.*href=").*?(?=")

自己加上"http://www.docin.com"

q107770540 2011-07-19

打赏
举报

[Quote=引用 3 楼 nuanguang1990 的回复:]

一楼的匹配的范围还是有些广啊，把网页中其他的一些也匹配进来了，我现在只要“p-41751927”这种形式的，即
http://www.docin.com/p-4074.html
只要http://www.docin.com/p-然后加4个或8个数字，然后 .html 这种形式的。该怎样配？
[/Quote]
那就修改一下此句：
foreach(Match m in Regex.Matches(html,@"(?i)<a[^>]*?href=(['""\s]?)(?<href>/p-\d{4,8}\.html)\1[^>]*?>"))

huangwenquan123 2011-07-19

打赏
举报

            string str = @"<a onMouseDown=""return inpmv(1340);"" href=""/p-4074.html"" target=""docin_p_end"">

<a target=""docin_p_end"" href=""/p-41751927.html"" title=""影响中国孩子的名人故事（三）"" onMouseDown=""return inpmv(1293);"">

<a target=""docin_p_end"" href=""/p-41755.html"" title=""影响中国孩子的名人故事（三）"" onMouseDown=""return inpmv(1293);"">

<a target=""docin_p_end"" href=""/p-19312068.html"" title=""世界杯走过的路"" onMouseDown=""return inpmv(1293);"">";

            Regex reg = new Regex(@"(?is)<a[^>]*?href=(['""]?)(/p-(?:\d{4}|\d{8})\.html)\1[^>]*?>");

            foreach (Match m in reg.Matches(str))

                Console.WriteLine("http://www.docin.com" + m.Groups[2].Value);

            Console.ReadLine();

/*

    http://www.docin.com/p-4074.html

    http://www.docin.com/p-41751927.html

    http://www.docin.com/p-19312068.html

*/