QRegExp。抓取所有链接

Question

我编写正则表达式以获取html中的所有ref链接。

QRegExp bodylinksrx("(<a\\s+href\\s*=\\s*[^<>]*\\s*>[^<>]*</a>)");
QStringList bodylinks;
pos = 0;
while ((pos = bodylinksrx.indexIn(htmlcode, pos)) != -1)
{
    bodylinks << bodylinksrx.cap(1);
    pos += bodylinksrx.matchedLength();
}

我收到的结果是：

("<a href="http://somehref" class="someclass">href text...</a>", "<a href="http://somehref" class="someclass">href text...</a>", ......")

但是我需要只包含"http://somehref" "href text..." "http://somehref" "href text..." ....的接收列表

Answer 1

首先，有您的读这个？，其次，如果您确定您知道您正在做什么，并且肯定知道您想要这样做，尝试使用查找和查找您的锚标记断言。

((?<=<a\\s+href\\s*=\\s*[^<>]*\\s*>)[^<>]*(?=</a>))

编辑:不幸的是，这将不起作用(至少对qt4.8)作为查找断言不支持。您只需迭代创建的列表，并将所需的位匹配如下：

[^<>]*(?=<)

然后使用它，或者使用捕获文本函数提取您想要的部分，并将其括起来如下所示：

<a\\s+href\\s*=\\s*[^<>]*\\s*>([^<>]*)</a>