正则表达式从HTML获取网址

Question

我正在使用以下正则表达式（我在网上找到）来获取HTML页面中的网址；

        Regex regex = new Regex(@"url\((?<char>['""])?(?<url>.*?)\k<char>?\)");

适用于以下HTML；

<div style="background:url(images/logo.png) no-repeat;">UK</div>

但是，当HTML页面包含以下Javascript时，返回的内容超出了我的需要，返回“ destpage”

function buildurl(destpage) 

我尝试了以下正则表达式包含冒号，但它似乎无效

:url\((?<char>['""])?(?<:url>.*?)\k<char>?\)

任何帮助将非常感激。

Answer 1

要获取所有URL，请使用HtmlAgilityPack而不是Regex。 从他们的示例页面

HtmlDocument doc = new HtmlDocument();
doc.Load("file.htm");
foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a[@href"])
{

}

您可以对此进行扩展，例如通过使用//@style获取style节点，然后遍历style节点以提取url值来获取style url 。

Answer 2

只将冒号添加到前面：

:url\((?<char>['""])?(?<url>.*?)\k<char>?\)

第二个“ url ”是该组的名称。