html - 正则表达式。获取所有链接

Question

我编写正则表达式以从 html 中获取所有 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();
}

我收到列表作为结果：

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

但我只需要接收列表"http://somehref" "href text..." "http://somehref" "href text..." ....

Answer 1

首先你读过这个吗？其次，如果您确定自己知道自己在做什么，并且肯定知道自己想要这样做，请尝试对锚标签使用前瞻和后瞻断言。

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

编辑：不幸的是，这将不起作用（至少对于 qt4.8），因为不支持后向断言。您可以遍历创建的列表并将所需的位与：

[^<>]*(?=<)

并使用它，或者使用捕获的文本函数来提取你想要的部分，你将用括号括起来，如下所示：

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