c# - 正则表达式从 HTML 获取 url

Question

我正在使用以下正则表达式(我在网上找到的)来获取 HTML 页面中的 URL；

        Regex regex = new Regex(@"url\((?<char>['""])?(?<url>.*?)\k<char>?\)");

适用于下面的 HTML；

<div style="background:url(images/logo.png) no-repeat;">UK</div>

但是，当 HTML 页面包含以下 Javascript 时，返回的内容超出了我的需要，返回“destpage”

function buildurl(destpage) 

我尝试使用以下正则表达式来包含冒号，但它似乎无效

:url\((?<char>['""])?(?<:url>.*?)\k<char>?\)

任何帮助将不胜感激。

Answer 1

要获取所有 URL，请使用 HtmlAgilityPack而不是正则表达式。从他们的示例页面

HtmlDocument doc = new HtmlDocument();
doc.Load("file.htm");
foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a[@href"])
{

}

您可以对此进行扩展以获取样式 url，例如，使用 //@style 获取 style 节点并迭代这些节点以提取 url值。