1

I'm looking to modify the RegEx pattern below to match items stored between the quote marks of the href property of a link tag:

My conditions are:

  • It can be any URL starting http
  • It must not match anything containing $$

My Current Regular Expression:

var pattern = @"(?<name>href)=""(?<value>http[^""]*)""";

Any help would be appreciated.

4

1 回答 1

1

试试下面的表达式：

(?i)href\s*=\s*"http://(?>((?<InvalidUrlChars>[$]{2})|[^"])*?")(?(InvalidUrlChars)(?!))

编辑：对上述模式的更详细解释：

(?i) - 这是一个内嵌正则表达式选项。它将表达式设置为不区分大小写。（这样“http”将匹配“HTTP”）

(?>...) - 这是一个原子分组结构。它基本上说，任何被组匹配的东西都不能被匹配。正则表达式会尝试许多不同的路径来查看它是否可以得到匹配。例如，如果没有这个分组结构，我用来消除包含“$$”的匹配项的结构将被规避。

(?...) - 一个命名组。

[^"] - 匹配任何不是引号的字符。

(...|...) - 另一种分组结构。正则表达式将尝试使用管道（“|”）之前的模式查找匹配项。如果无法进行匹配，它将使用管道后面的模式再次尝试。

? - 这是一场非贪婪的比赛。使用常规“ ”，正则表达式将尝试尽可能多地匹配。“*？” 将尝试尽可能少地匹配。在尝试匹配一组给定符号之间的文本时，它稍微更有效和更有帮助。

(?(InvalidUrlChars)...|...) - if/else 分组结构。使用这种特殊语法，如果命名组 ("(InvalidUrlChars)") 匹配，则管道前面的表达式将被匹配。否则，管道后面的表达式将被匹配。“else”部分是可选的（我没有使用它）。

(?!) - 否定的前瞻断言。我没有足够的空间来描述环视断言，但可以说这个表达式总是会失败。

因此，总而言之，此表达式将匹配任何 URL，但如果 URL 包含双美元符号 ("$$")，则 InvalidUrlChars 组将触发为“匹配”。在表达式的末尾，如果 InvalidUrlChars 组匹配，则整个匹配将失败，原子组将阻止正则表达式返回并将美元符号视为非引号。

有关详细信息，请参阅http://msdn.microsoft.com/en-us/library/az24scfc

比较以下字符串：

<a href="http://test.com"/>
<a href="http://test.com" alt="test"/>
<a alt="$$" href="http://test.com"/>
<a HREF="HTTP://test.com"/>
<a href=http://test.com />
<a href="https://test.com"/>
<a href="ftp://test.com"/>
<a href="test.com"/>
<a href="http://test$$.com"/>
<a href="http://////invalid*&amp;^%$#@!;"/>

以下将匹配：

href="http://test.com"
href="http://test.com"
href="http://test.com"
HREF="HTTP://test.com"
href="http://////invalid*&amp;^%$#@!;"

编辑：我衷心同意最好使用 HTML 解析器来处理 HTML。正则表达式很糟糕。但是，如果您需要快速解决方案并且您不太关心偶尔的怪癖，那么 Regex 是一个合适的替代品。

于 2012-06-06T15:29:08.893 回答