代码之家 › 专栏 › 技术社区 › Shaun Bowe

使用C解析HTML链接#

html .net c#

Shaun Bowe · 技术社区 · 18 年前

我发现了几个看起来很有前途的开源项目,但我认为有一个内置模块。如果没有,我可能不得不使用其中一种。我只是不想在这一点上有一个外部依赖,如果它不是必要的。

5 回复 | 直到 18 年前

Jacob Proffitt 16 年前

我没有意识到任何内在的东西,从你的问题来看,你到底在寻找什么有点模棱两可。您想要整个锚定标记,还是只想要href属性中的URL?

如果您有格式良好的XHtml,那么可以使用XmlReader和XPath查询来查找所有锚定标记( <a> )然后点击地址的href属性。因为这不太可能,所以您最好使用正则表达式来提取您想要的内容。

使用RegEx,您可以执行以下操作:

List<Uri> findUris(string message)
{
    string anchorPattern = "<a[\\s]+[^>]*?href[\\s]?=[\\s\\\"\']+(?<href>.*?)[\\\"\\']+.*?>(?<fileName>[^<]+|.*?)?<\\/a>";
    MatchCollection matches = Regex.Matches(message, anchorPattern, RegexOptions.IgnorePatternWhitespace | RegexOptions.IgnoreCase | RegexOptions.Multiline | RegexOptions.Compiled);
    if (matches.Count > 0)
    {
        List<Uri> uris = new List<Uri>();

        foreach (Match m in matches)
        {
            string url = m.Groups["url"].Value;
            Uri testUri = null;
            if (Uri.TryCreate(url, UriKind.RelativeOrAbsolute, out testUri))
            {
                uris.Add(testUri);
            }
        }
        return uris;
    }
    return null;
}

请注意,我想检查href,以确保该地址作为有效的Uri是有意义的。如果你实际上不打算在任何地方寻找链接,你可以消除这种情况。