C#中使用Regex提取超連結位址的集中方法

標籤：

 

一般在做爬蟲或者CMS的時候經常需要提取 href連結或者是src地址。此時可以使用Regex輕鬆完成。Regex reg = new Regex(@"(?is)<a[^>]*?href=([‘""]?)(?<url>[^‘""\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");            MatchCollection mc = reg.Matches(yourStr);            foreach (Match m in mc)            {                  richTextBox2.Text += m.Groups["url"].Value + "\n";//得到href值                  richTextBox2.Text += m.Groups["text"].Value + "\n";//得到<a><a/>中間的內容              } 方法2: <PRE class="brush: c-sharp;">Regex r;        Match m;          r = new Regex("href\\s*=\\s*(?:\"(?<1>[^\"]*)\"|(?<1>\\S+))",            RegexOptions.IgnoreCase|RegexOptions.Compiled);       for (m = r.Match(inputString); m.Success; m = m.NextMatch())        {             Console.WriteLine("Found href " + m.Groups[1] + " at " + m.Groups[1].Index);}</PRE>方法3：提取img src的 <PRE class="brush: c-sharp;">Regex reg = new Regex(@"(?i)<img[^>]*?\ssrc\s*=\s*([‘""]?)(?<src>[^‘""\s>]+)\1[^>]*>");   MatchCollection mc = reg.Matches(yourStr);   foreach (Match m in mc)    {    Console.Write(m.Groups["src"].Value + "\n");   } </PRE> 方法4： 提取img src  <PRE class="brush: c-sharp;">  /// <summary>          /// 擷取Img的路徑          /// </summary>          /// <param name="htmlText">Html字串文本</param>         /// <returns>以數組形式返回圖片路徑</returns>           public static string[] GetHtmlImageUrlList(string htmlText)        {            Regex regImg = new Regex(@"<img\b[^<>]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""‘]?[\s\t\r\n]*(?<imgUrl>[^\s\t\r\n""‘<>]*)[^<>]*?/?[\s\t\r\n]*>", RegexOptions.IgnoreCase);   //建立一個matches的MatchCollection對象 儲存 匹配對象個數(img標籤)   MatchCollection matches = regImg.Matches(htmlText);   int i = 0;              string[] sUrlList = new string[matches.Count];   //遍曆所有的img標籤對象              foreach (Match match in matches)    {                    //擷取所有Img的路徑src,並儲存到數組中    sUrlList[i++] = match.Groups["imgUrl"].Value;             }                 return sUrlList;       }</PRE> 

 

C#中使用Regex提取超連結位址的集中方法