c# - 用于解析来自 html 代码的链接的正则表达式

Question

我正在研究一种接受字符串(html 代码)并返回一个数组的方法，该数组包含 in 中包含的所有链接。

我已经看到一些类似 html ability pack 的选项，但它似乎比这个项目要求的要复杂一些

我也对使用正则表达式感兴趣，因为我对它的总体经验不多，我认为这将是一个很好的学习机会。

到目前为止我的代码是

 WebClient client = new WebClient();
            string htmlCode = client.DownloadString(p);
            Regex exp = new Regex(@"http://(www\.)?([^\.]+)\.com", RegexOptions.IgnoreCase);
            string[] test = exp.Split(htmlCode);

但我没有得到我想要的结果，因为我仍在研究正则表达式

我正在寻找的 sudo 代码是“

Answer 1

如果您正在寻找一个万无一失的解决方案，正则表达式不是您的答案。由于 HTML 语言的复杂性，它们从根本上受到限制，无法用于可靠地从 HTML 文件中解析出链接或其他相关标签。

• 冗长的版本:http://blogs.msdn.com/jaredpar/archive/2008/10/15/regular-expression-limitations.aspx

相反，您需要使用实际的 HTML DOM API 来解析链接。