正则表达式：在 .NET 中使用一种模式匹配和捕获答案

【问题标题】：RegEx: Match AND Capture in .NET with one pattern正则表达式：在 .NET 中使用一种模式匹配和捕获
【发布时间】：2013-10-29 14:24:28
【问题描述】：

在 .NET 中处理 RegEx 时，我有两个选择：

检查字符串是否匹配：

<a ([^>]*?)href=\"http://the.site.com/photo/[0-9]*\">
捕捉图案的一部分：

<a ([^>]*?)href=\"http://the.site.com/photo/(?<photoname>.*?)\">

但是如果我想检查模式匹配并捕获与单个 RegEx 匹配的部分怎么办？

【问题讨论】：

如果不匹配，它将如何捕获它...？ lookaheads/lookbehinds 用于捕获匹配的一部分
@Jonesy: (?<photoname>.*?) 将捕获任何字符序列，但我只需要[0-9]*。
@Paul -- 你为什么将[0-9]* 替换为.*？
@BeemerGuy.net：因为我不懂正则表达式，所以我在这里问。
@Paul -- 好吧，我以为你是故意的。您可以将[0-9]* 模式保留在捕获字符串中，例如(?<photoname>[0-9]*?)，所以就像回答者告诉您的那样，您可以捕获并匹配相同的模式字符串......如果您只是匹配，则分组（括号部分）无关紧要。

标签： c# regex capture

【解决方案1】：

在捕获时使用它：

<a ([^>]*?)href=\"http://the.site.com/photo/(?<photoname>[0-9]+)\">

【讨论】：

如果href = 之间有空格怎么办！如果href不是唯一的属性怎么办..如果它是一个自封闭的标签怎么办..请不要使用正则表达式..那会破坏你的代码..请
@Anirudh 你要找到的其他 999 个失败状态呢？
@Gusdor 999+ 是文字本身包含锚标记的情况。（例如，cmets 和 ans on SO，它们不是 html 本身的一部分，而是文字）你如何区分它们.Also可能有任意数量的空格，你不会为每个空格添加\s，或者你是
虽然? 在[^>]*?..regex 中是多余的，但应该是<a ([^>]*)href\s*=\s*\["']http://the.site.com/photo/(?<photoname>[0-9]+)\["'][^>]*

【解决方案2】：

使用htmlAgilityPack

HtmlDocument doc = new HtmlDocument();
doc.Load(htmlUrl);

var pattern=@"^(?<=https?://the.site.com/photo/)\d+$";
var hrefList= doc.DocumentNode
                 .SelectNodes("//a[@href]")
                 .Select(p =>p.Attributes["href"].Value)//select all hrefs
                 .Where(p => Regex.IsMatch(p,pattern))//filter href
                 .Select(p=>Regex.Match(p,pattern).Value);//select required digits

【讨论】：

敏捷包在这里是多余的。简单的 OP 想要匹配 URL。
@Gusdor 想出一个正则表达式..我会给出 1000 个案例来打破它......;)

【解决方案3】：

先生，您可以用一种模式匹配并捕获到一个命名组中！

<a (?:[^>]*?)href\s*?=\s*\"http://the.site.com/photo/(?<photoname>[0-9]+)\"

名为photoname 的组将包含您想要的捕获。

即使href 不是a 元素的第一个属性，这个正则表达式也可以工作。它也会忽略任意空格。

【讨论】：