代码之家 › 专栏 › 技术社区 › Sheff

使用Regex从html链接中获取“标题”属性

regex html .net c#

0

Sheff · 技术社区 · 17 年前

<a\s+((?:(?:\w+\s*=\s*)(?:\w+|"[^"]*"|'[^']*'))*?\s*href\s*=\s*(?<url>\w+|"[^"]*"|'[^']*')(?:(?:\s+\w+\s*=\s*)(?:\w+|"[^"]*"|'[^']*'))*?)>.+?</a>

链接的标题属性

然后,我可以检查每个子组的匹配情况,以获取链接的相关名称。

3 回复 | 直到 17 年前

1

6

Community Mohan Dere 9 年前

正则表达式在解析HTML方面根本不好(参见 Can you provide some examples of why it is hard to parse XML and HTML with a regex? Can you provide an example of parsing HTML with your favorite parser?

HTMLAgilityPack answer

2

Goyuix 17 年前

Regex reg = new Regex("<a[^>]*?title=\"([^\"]*?\"[^>]*?>");

几个陷阱:

reg.Match("<a href=\"#\" title=\"Hello\">Howdy</a>").Groups[1].Value

3

0

Sheff 17 年前

感谢混沌。Owens向我推荐了HtmlAgilityPack库,这很棒。最后,我用它来解决我的问题,如下所示。我强烈推荐这个图书馆给其他人。

   HtmlDocument htmldoc = new HtmlDocument();
    htmldoc.LoadHtml(content);
    HtmlNodeCollection linkNodes = htmldoc.DocumentNode.SelectNodes("//a[@href]");
    if (linkNodes != null)
    {
        foreach (HtmlNode linkNode in linkNodes)
        {
            string linkTitle = linkNode.GetAttributeValue("title", string.Empty);
            //If no title attribute exists check for an image alt tag
            if (linkTitle == string.Empty)
            {
                HtmlNode imageNode = linkNode.SelectSingleNode("img[@alt]");
                if (imageNode != null)
                {
                    linkTitle = imageNode.GetAttributeValue("alt", string.Empty);
                }
            }
            //If no image alt tag check for span with text
            if (linkTitle == string.Empty)
            {
                HtmlNode spanNode = linkNode.SelectSingleNode("span");
                if (spanNode != null)
                {
                    linkTitle = spanNode.InnerText;
                }
            }

            if (linkTitle == string.Empty)
            {
                if (!linkNode.HasChildNodes)
                {
                    linkTitle = linkNode.InnerText;
                }
            }

        }
    }