提取包含特定单词的超链接的正则表达式

Question

6

我需要从一段文本中提取包含特定单词的超链接。例如：

“这是一段带有指向某个页面的链接的文本。单击此链接这是没有在url中包含单词“specificword”的链接”

所以，我需要解析这段文本，检查超链接是否包含单词“specificword”，然后提取整个超链接。然后我将得到以下结果：

<a href="/server/specificword.htm>this is a link to a page</a>

我需要一个超链接，它在url中具有特定的单词，例如/server/specificword.htm，而不是在链接文本中。

我尝试过的一个正则表达式是：/(<a[^>]*>.*?</a>)|specificword/。这将匹配文本中的所有超链接或"specificword"。如果文本中有多个链接，但没有单词"specificword"，我也会得到那些链接。

此外，我也尝试了这个正则表达式，但它什么也没有匹配到：

<a.*?href\s*=\s*["\']([^"\'>]*specificword[^"\'>]*)["\'][^>]*>.*?<\/a>

我的正则表达式技能到此为止了，任何帮助都将是极好的...

- Soeren

3

>前面是否有引号？还是确实缺失了？ - nhahtdh

2

你的编程语言/工具/环境是什么？ - Martin Ender

C＃和Visual Studio。 - Soeren

4个回答

6

这个应该符合您的需求：

<a href="[^"]*?specificword.*?">.*?</a>

如果你想允许其他属性在你的锚点上，并且更加宽容地处理内部空格，你可以尝试:

<a( [^>]*?)? href="[^"]*?specificword.*?"( .*?)?>.*?</a>

当然，您也可以使用非捕获组(?:...)：

<a(?: [^>]*?)? href="[^"]*?specificword.*?"(?: .*?)?>.*?</a>

最后，如果您想允许在href属性中使用简单引号：

<a(?: [^>]*?)? href=(["'])[^\1]*?specificword.*?\1(?: .*?)?>.*?</a>

最后但并非不重要的是：如果想捕获URL，只需在[^\1]*?specificword.*? 部分周围加上圆括号即可：

<a(?: [^>]*?)? href=(["'])([^\1]*?specificword.*?)\1(?: .*?)?>.*?</a>

- sp00m

谢谢！非常感激。我可以从你们所有人身上学到很多！！ - Soeren

3

你尝试的最终正则表达式差不多可以实现。尝试这个修改后的正则表达式：

<a\s.*?href=["']([^"']*?specificword[^"']*?)[^>]*>.*?<\/a>

主要区别在于将量词变为“懒惰”的形式。

- joe92

我尝试了这个方法，它似乎返回的是链接文本中包含特定单词的超链接，而不是URL中包含该单词的超链接。我需要包含该单词在URL中的超链接...我正在正则表达式设计器中尝试一些东西。它非常接近... - Soeren

这似乎与 <ahref"specificword></a> 匹配（请注意 a 和 href 之间缺少的空格）。 - sp00m

你说得对，我用错了，抱歉。不过，我会接受另一个答案，因为它先到了...谢谢！ - Soeren

@sp00m 很好的观点。我已经编辑了问题并加入了最少1个空格。 - joe92

2

尝试使用这个模式，它正是你想要的要求。

(?=.*href=\"([^\"]*specificword[^"]*)")<a [^>]+>

如果你只想要URL值，使用Groups[1]

例如：

Regex.match("input string",@"(?=.*href=\"([^\"]*specificword[^"]*)")<a [^>]+>").Groups[1].value;

- Civa

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Casimir et Hippolyte · Accepted Answer

尝试对所有a标签使用此方法：

/<a [^>]*\bhref\s*=\s*"[^"]*SPECIFICWORD.*?<\/a>/

或者只对链接进行处理（在第一个捕获组中）：

/<a [^>]*\bhref\s*=\s*"([^"]*SPECIFICWORD[^"]*)/

如果您使用PHP，对于该链接：

preg_match_all('/<a [^>]*\bhref\s*=\s*"\K[^"]*SPECIFICWORD[^"]*/', $text, $results);