正则html查找a href,查找<a>链接的'href'值的正则表达式

最新推荐文章于 2023-08-03 14:39:00 发布

转载最新推荐文章于 2023-08-03 14:39:00 发布 · 475 阅读

文章标签：

#正则html查找a href

本文介绍了一种使用C#通过正则表达式和WebBrowser控件抓取HTML页面中链接的方法。该方法适用于网站管理员和ASP.NET开发者合法抓取网页信息。

叮当猫咪

尝试这个： public partial class Form1 : Form { public Form1() { InitializeComponent(); } private void Form1_Load(object sender, EventArgs e) { var res = Find(html); } public static List Find(string file) { List list = new List(); // 1. // Find all matches in file. MatchCollection m1 = Regex.Matches(file, @"(.*?)", RegexOptions.Singleline); // 2. // Loop over each match. foreach (Match m in m1) { string value = m.Groups[1].Value; LinkItem i = new LinkItem(); // 3. // Get href attribute. Match m2 = Regex.Match(value, @"href=\""(.*?)\""", RegexOptions.Singleline); if (m2.Success) { i.Href = m2.Groups[1].Value; } // 4. // Remove inner tags from text. string t = Regex.Replace(value, @"\s*<.>\s*", "", RegexOptions.Singleline); i.Text = t; list.Add(i); } return list; } public struct LinkItem { public string Href; public string Text; public override string ToString() { return Href + "\n\t" + Text; } } } 输入： string html = " 2. "; 结果：[0] = {www.aaa.xx/xx.zz?id=xxxx&name=xxxx}[1] = {http://www.aaa.xx/xx.zz?id=xxxx&name=xxxx}C＃抓取HTML链接刮HTML提取重要的页面元素。它对网站管理员和ASP.NET开发人员有许多法律用途。使用Regex类型和WebClient，我们实现了HTML的屏幕抓取。已编辑另一种简单的方法：您可以使用web browser控件href从tag 进行获取a，例如：(请参阅我的示例) public Form1() { InitializeComponent(); webBrowser1.DocumentCompleted += new WebBrowserDocumentCompletedEventHandler(webBrowser1_DocumentCompleted); } private void Form1_Load(object sender, EventArgs e) { webBrowser1.DocumentText = ""; } void webBrowser1_DocumentCompleted(object sender, WebBrowserDocumentCompletedEventArgs e) { List href = new List(); foreach (HtmlElement el in webBrowser1.Document.GetElementsByTagName("a")) { href.Add(el.GetAttribute("href")); } }