帮我搞定雷吉斯。需要提取`<A HREF` `

Question

我有<A HREF="f110111.ZIP">和f110111 -是一个任意的字符序列。我需要C# regex匹配表达式来提取上述所有内容。

例如，投入是

<A HREF="f110111.ZIP"><A HREF="qqq.ZIP"><A HREF="gygu.ZIP">

我要名单：

• f110111.ZIP
• qqq.ZIP
• gygu.ZIP

Answer 1

你需要的是赫姆拉格包装/！这将允许您以简单的方式读取HTML，并提供一种检索链接的简单方法。

Answer 2

如果文件名中可以有多个点：

<A HREF="(^["]+?).zip

如果文件名中没有点(就在zip之前)，您可以使用一个更快的点：

<A HREF="(^[".]+)

C#示例：

Pattern pattern = Pattern.compile("<A HREF=\"(^[\"]+?).zip");

Matcher matcher = pattern.matcher(buffer);
while (matcher.find()) {
    // do something with: matcher.group(1)
}

Answer 3

不，不！不要使用Regex解析HTML！

尝试XML解析器。或者是XPath。