匹配两个已知字符串之间的href任何字符串

Question

我正在尝试匹配 html 页面中的多个 href，但似乎无法正常工作。当我使用我的正则表达式时，我没有得到任何匹配。如何获得整个 href 的多个匹配项，将它们分成两个指定的组？

要匹配的多个 href 示例：

<a href="/string1/any string here/string2">text here</a>

我的正则表达式代码：

MatchCollection m1 = Regex.Matches(result, @"<a\shref=""(?<url>(\/string1\/).*?(\/string2))"">(?<text>.*?)</a>", RegexOptions.Singleline);

这可行，但除了我需要的之外，还匹配我不感兴趣的href：

MatchCollection m1 = Regex.Matches(result, @"<a\shref=""(?<url>(\/string1\/).*?)"">(?<text>.*?)</a>", RegexOptions.Singleline);

Answer 1

使用Parentheses for Grouping and Capturing

<a href="(\/string1\/)(.*?)(\/string2)">

这里是regex101 demo

---

或者试试Character Classes or Character Sets

<a href="(\/string1\/)([^\/]+)(\/string2)">

---

我不知道您为什么需要您已经知道的 string1 和 string2。您只需要介于两者之间的任何字符串

尝试不捕获组。

阅读更多关于Lookahead and Lookbehind Zero-Length Assertions

(?<=<a href="\/string1\/)[^\/]*(?=\/string2">)

Online demo

Answer 2

如 cmets 中所述，使用真正的 html 解析器，如 HtmlAgilityPack，而不是 Regex

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(@"<a href=""/string1/any string here/string2"">text here</a>");

var links = doc.DocumentNode
                .SelectNodes("//a[@href]")
                .Select(a=>a.Attributes["href"].Value)
                .ToList();

或者没有 xpath

var links = doc.DocumentNode
                .Descendants("a")
                .Where(a=>a.Attributes["href"]!=null)
                .Select(a=>a.Attributes["href"].Value)
                .ToList();