c#正则表达式问题

Question

我有我正在研究的正则表达式

string addressstart = Regex.Escape("<a href=\"/url?q=");
                string addressend = Regex.Escape("&amp");
                string regAdd = addressstart + @"(.*?)" + addressend;

我希望它给我这个 html 的 url

<a href="/url?q=https://www.google.com/&amp;sa=U&amp;ved=0ahUKEwizwPy0yNHSAhXMDpAKHec7DAsQFgh6MA0&amp;usg=AFQjCNEjJILXPMMCNAlz5MN1IIzjpr79tw">

所以它应该返回“ https://www.google.com/ ”

任何想法为什么它不起作用？ 谢谢！

Answer 1

以下正则表达式对我有用。 确保选择组 1 ，因为组 0始终是完整字符串。

@"<a href=\"\/url\?q=(.*?)&amp"

Answer 2

看起来您正在寻找 google 的 url 作为字符串的一部分。 您可能会发现以下匹配它的模式很有用：

https?:\/\/(www\.)?[-a-zA-Z0-9@:%._\+~#=]{2,256}

需要注意的是，这是对通用正则表达式的一个小调整： What is a good regular expression to match a URL?

编辑请参阅下面的代码以应用此正则表达式并找到您要查找的值：

string input = "<a href=\"/url?q=https://www.google.com/&amp;sa=U&amp;ved=0ahUKEwizwPy0yNHSAhXMDpAKHec7DAsQFgh6MA0&amp;usg=AFQjCNEjJILXPMMCNAlz5MN1IIzjpr79tw\">";
var regex = new Regex(@"https?:\/\/(www\.)?[-a-zA-Z0-9@:%._\+~#=]{2,256}");
var output = regex.Match(input).Value; // https://www.google.com

Answer 3

问题出在正则表达式的"<a href=\\"/url?q="部分。 ?没有转义。这意味着一个可选的l 。因此正则表达式的那部分匹配<a href="/urlq=或<a href="/urq= 。都不包括?字符。

Answer 4

解析 HTML 时，应该考虑使用一些 HTML 解析器，例如 HtmlAgilityPack，并且只有在获取必要的节点后，才能在纯文本上应用正则表达式。

如果你想调试自己的代码，这里有一个修复：

using System;
using System.Text.RegularExpressions;

public class Test
{
    public static void Main()
    {
        var s = "<a href=\"/url?q=https://www.google.com/&amp;sa=U&amp;ved=0ahUKEwizwPy0yNHSAhXMDpAKHec7DAsQFgh6MA0&amp;usg=AFQjCNEjJILXPMMCNAlz5MN1IIzjpr79tw\">";
        var pattern = @"<a href=""/url\?q=(.*?)&amp;";
        var result = Regex.Match(s, pattern);
        if (result.Success)
            Console.WriteLine(result.Groups[1].Value);
    }
}

请参阅DotNetFiddle 演示。

下面是一个示例，如何使用HtmlAgilityPack提取所有以/url?q=开头的<a> href属性值。 通过解决方案>管理解决方案的NuGet 包安装它...并使用

public List<string> HapGetHrefs(string html)
{
    var hrefs = new List<string>();
    HtmlAgilityPack.HtmlDocument hap;
    Uri uriResult;
    if (Uri.TryCreate(html, UriKind.Absolute, out uriResult) && uriResult.Scheme == Uri.UriSchemeHttp)
    { // html is a URL 
        var doc = new HtmlAgilityPack.HtmlWeb();
        hap = doc.Load(uriResult.AbsoluteUri);
    }
    else
    { // html is a string
        hap = new HtmlAgilityPack.HtmlDocument();
        hap.LoadHtml(html);
    }
    var nodes = hap.DocumentNode.SelectNodes("//a[starts-with(@href, '/url?q=')]");
    if (nodes != null)
    {
       foreach (var node in nodes)
       {
           foreach (var attribute in node.Attributes)
               if (attribute.Name == "href")
               {
                   hrefs.Add(attribute.Value);
               }
        }
    }
    return hrefs;
 }

然后，您所需要的只是应用一个更简单的正则表达式或几个更简单的字符串操作。

Answer 5

您可以使用：

(?<=a href="\/url\?q=)[^&]+