Wie kann ich einen regulären Ausdruck schreiben, um Links ohne Linktext zu erfassen?

Question

Wie kann ich schreiben einen regulären Ausdruck Links ohne Link-Text wie folgt zu ersetzen:

<a href="http://www.somesite.com"></a> 

mit

<a href="http://www.somesite.com">http://www.somesite.com</a> 

?

Dies ist, was ich versuchte, um die Übereinstimmungen zu erfassen, und es ist kein fangen. Was mache ich falsch?

string pattern = "<a\\s+href\\s*=\\s*\"(?<href>.*)\">\\s*</a>"; 

Answer 1

könnte ich falsch sein, aber ich glaube, Sie einfach die quantifier innerhalb der href Gruppe ändern müssen faul und nicht gierig zu sein.

string pattern = @"<a\s+href\s*=\s*""(?<href>.*?)"">\s*</a>"; 

(ich habe ich verändern auch die Art des Stringliteral @ zu verwenden, zur besseren Lesbarkeit.)

Der Rest der Regex fein ich erscheint. Dass Sie überhaupt keine Übereinstimmungen erfassen, lässt mich anders denken, aber im Rest des Codes könnte ein Problem auftreten (oder sogar die Eingabedaten - haben Sie das verifiziert?).

Answer 2

würde ich

string pattern = "(<a\\b[^>]*href=\"([^\"]+)\"[^>]*>)[\\s\\r\\n]*(</a>)"; 

vorschlagen Auf diese Weise mit ihren href Attribut verknüpft auch woanders erfasst würden.

Ersetzen mit

"$1$2$3" 

Die übliche Wort der Warnung: HTML und regex sind im wesentlichen nicht kompatibel. Verwenden Sie mit Vorsicht, dies könnte explodieren.

Answer 3

Ich würde nicht einen regulären Ausdruck verwenden - ich Html Agility Pack verwenden würde, und eine Abfrage wie:

foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a[.='']")) { 
    link.InnerText = link.GetAttribute("href"); 
} 

Answer 4

Marc Gravell hat die richtige Antwort, sind reguläre Ausdrücke grundsätzlich schlecht bei der HTML-Analyse (siehe Can you provide some examples of why it is hard to parse XML and HTML with a regex? warum) . Beispiele finden Sie unter Can you provide an example of parsing HTML with your favorite parser? mit einer Vielzahl von Parsern.