查找<a>链接的'href'值的正则表达式

Question

我需要一个正则表达式模式来查找HTML中的网页链接。我首先使用@"(<a.*?>.*?</a>)"提取链接（<a>），但无法从中获取链接href。我的字符串是：<a href="www.example.com/page.php?id=xxxx&name=yyyy" ....></a><a href="http://www.example.com/page.php?id=xxxx&name=yyyy" ....></a><a href="https://www.example.com/page.php?id=xxxx&name=yyyy" ....></a><a href="www.example.com/page.php/404" ....></a>1，2和3是有效的，我需要他们，但4号是无效的，我（?和=是必不可少的）谢谢大家，但是我不需要解析<a>。我有href="abcdef"格式的链接列表 。我需要获取href链接并对其进行过滤，我最喜欢的网址必须包含?和=喜欢page.php?id=5谢谢！

Answer 1

regex不建议使用解析html

regex用于定期发生的模式。html是不是经常与它的格式（除xhtml）。例如html文件，即使你有效不有closing tag！这可能会破坏你的代码。

使用像htmlagilitypack这样的html解析器

您可以使用以下代码使用以下代码来检索href's锚定标记中的所有内容：HtmlAgilityPack

HtmlDocument doc = new HtmlDocument();

doc.Load(yourStream);

var hrefList = doc.DocumentNode.SelectNodes("//a")

                  .Select(p => p.GetAttributeValue("href", "not found"))

                  .ToList();

hrefList 包含所有href