蜘蛛中可能会用到的正则

最新推荐文章于 2025-08-08 08:17:28 发布

原创最新推荐文章于 2025-08-08 08:17:28 发布 · 480 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#string #html #文档

1 得到网页上的链接地址：
      string strRegex = @"<a[^>]+href=/s*(?:'(?<href>[^']+)'|""(?<href>[^""]+)""|(?<href>[^>/s]+))/s*[^>]*>";

      string strRegex = "href=[///" ///'](http://////|//.///|///)?//w+(//.//w+)*(/////w+(//.//w+)?)*(///|//?//w*=//w*(&//w*=//w*)*)?[///"///']";

2 得到网页的标题：
<title/b[^>]*>(?<text>[^<]+)<//s*title/s*>

3 得到keywords
<meta/b[/s/S]*name=""keywords""/scontent=""(?<key>[^""]*)""[^>]*>

4 去掉网页中的所有的html标记：
      string strRegex = Regex.Replace(html, "<[^>]*>", "");   //html是一个要去除html标记的文档