提取链接正则表达式c#

Question

过去两个小时我一直在尝试解决这些问题，但似乎找不到任何解决方案。

我需要从 HTML 文件中提取链接。有 100 多个链接，但其中只有 25 个有效。

有效链接放置在

首先，我遇到（并且仍然）逐字字符串内双引号的问题。因此，我已逐字替换为“正常”字符串，这样我就可以使用 \" 代替 " 但问题是我编写的这个 Regex 不起作用，

Match LinksTemp = Regex.Match(
                              htmlCode,
                              "<td><a href=\"(.*)\">",
                              RegexOptions.IgnoreCase);

因为我得到 " 作为输出而不是 http://www.google.com

任何人都知道我该如何解决这个问题问题以及如何在逐字字符串中使用双引号（示例@" <>"das"sa")

Answer 1

为什么不使用 HTML 解析 来解析它呢？这是又好又快的 HTML 解析。
示例：

   string HTML = "<td><a href='http://www.google.com'>";

            HtmlDocument doc = new HtmlDocument();
            doc.LoadHtml(HTML);
            HtmlNodeCollection a = doc.DocumentNode.SelectNodes("//a[@href]");

            string url = a[0].GetAttributeValue("href", null);

            Console.WriteLine(url);
            Console.ReadLine();

您需要导入using HtmlAgilityPack;

Answer 2

转义双引号示例：@"some""test"
正则表达式示例：""

    var match = Regex.Match(html, "<td><a href=\"(.*?)\">", 
RegexOptions.Singleline); //spelling error
    var url = match.Groups[1].Value;

另外，您可能想使用 Regex.Matches(...) Regex.Match(...)

Answer 3

如果你想获取每个元素，请使用如下代码：

string htmlCode = "<td><a href=\" www.aa.pl \"><td> <a href=\" www.cos.com \"><td>";
Regex r = new Regex( "<a href=\"(.*?)\">", RegexOptions.IgnoreCase );
MatchCollection mc = r.Matches(htmlCode);

foreach ( Match m1 in mc ) {                
   MessageBox.Show( m1.Groups[1].ToString() );
}