RegEx解析XML文件并只返回具有文件扩展名的url。

Question

我有以下被转换为字符串的xml文件，我想解析这个xml文件--只返回具有文件扩展名的url

<?xml version="1.0" encoding="utf-8"?>
<channel>
  <generator>GOA Celebrations</generator>
  <generator>GOA Celebrations</generator>
  <pubDate>13 Jan 2016</pubDate>
  <title>GOA Celebrations</title>
  <link>http://goframe.com.au/rss/herston-inbound</link>
  <language>en</language>
  <image>
    <url>http://goafame.com.au/site/templates/img/logo.png</url>
  </image>
  <item>
    <title>Herston Inbound - Wednesday, 13 Jan - Alex Peisker - 2015-12-21 09:26am - Live</title>
    <description></description>
    <pubDate>13 Jan 2016 10:32:01 AEST</pubDate>
    <link>http://goafame.com.au/gallery/entry/2991/</link>
    <enclosure url="http://goafame.com.au/site/assets/files/2991/final_cropped_shutterstock_114908098.jpg" length="" type="" />
    <guid isPermaLink="false">c5c1cb0bebd56ae38817b251ad72bedb</guid>
  </item>
  <item>
    <title>Dog 1</title>
    <description></description>
    <pubDate>13 Jan 2016 10:32:01 AEST</pubDate>
    <link>http://goafame.com.au/gallery/entry/2991/</link>
    <enclosure url="http://animaliaz-life.com/data_images/dog/dog4.jpg" length="" type="" />
  </item>
  <item>
    <title>Dog 2</title>
    <description></description>
    <pubDate>13 Jan 2016 10:32:01 AEST</pubDate>
    <link>http://goafame.com.au/gallery/entry/2991/</link>
    <enclosure url="http://cdn1.theodysseyonline.com/files/2015/12/21/6358631429926013411708851658_Dog-Pictures.jpg" length="" type="" />
  </item>
  <item>
    <title>Dog 3</title>
    <description></description>
    <pubDate>13 Jan 2016 10:32:01 AEST</pubDate>
    <link>http://goafame.com.au/gallery/entry/2991/</link>
    <enclosure url="https://i.ytimg.com/vi/AkcfB3z0_-0/maxresdefault.jpg" length="" type="" />
  </item>
</channel>

我的问题是如何用

规则外泄

期望的输出将是

http://goafame.com.au/site/templates/img/logo.png 114908098.jpg images/dog/dog4.jpg Dog-Pictures.jpg -0/maxresdefault.jpg

以下是我到目前为止所做的尝试

Regex linkParser = new Regex(@"\b(?:https?://|www\.)\S+\b", RegexOptions.Compiled | RegexOptions.IgnoreCase);

                string rawString = doc.ToString();
                int posCounter = 0;
                foreach (Match m in linkParser.Matches(rawString))
                {
                    posCounter++;
                    links.Add(new LinkModel
                    {
                        IsSelected = false,
                        XmlLink = m.Value,
                        NodePosition = posCounter
                    });
                }

注释： XML文件可以来自任何来源，而且其他一些url不位于链接中，element.Some甚至是嵌套的。这就是为什么我认为使用RegEx而不是XDocument。

Answer 1

我的图案可以和你的样本相匹配。在这里测试http://regexstorm.net/tester

https?://[^\s<"]+/[^\s<"]+(?:\.\w{3,4})

这样做的目的是找到所有具有一个启动字符(/)的链接，然后是一个文件名模式(以3，4个字符的扩展名结尾)。

Answer 2

var allLinkValues = XDocument.Parse(doc.ToString())
                             .Root
                             .Elements("item")
                             .Select(itemElement => itemElement.Element("link").Value)
                             .ToList();

这里

XDocument.Parse(doc.ToString())加载文档。Root指向根元素，然后选择所有"item“元素并选择"link”元素的值。

Linq2Xml的力量！

XPath，XmlDocument是你的其他选择。

通常，如果字符串设计良好，(XML、JSON、RDF等)不要选择RegEx作为第一个选项。对于这些类型的文档，有定义良好的解析器。

上面的查询将使您开始使用Xml导航。