关于正则表达式提取网页链接的问题！！！

Question

各位大大，我用表达式<a(.+?)href=[\"\']?(.+?)[\"\'\\s>]+(.+?)[>](.+?)<\\/a>提取网页中的所有链接，问什么匹配不对啊！把<a></a>后面的内容也放进来了，就像这样“href=tx101002.htm target=_blank>第二章</a></td><td>&nbsp;</td><td>&nbsp;</td>...(直到文件尾),到底是什么问题啊？希望各位大大帮忙！

Answer 1

示例：扫描 HREF(From MSDN)以下示例搜索输入字符串并输出所有 href=“...”值和它们在字符串中的位置。它执行此操作的方式为，首先构造编译的 Regex 对象，然后使用 Match 对象来循环访问字符串中的所有匹配。在下面的代码示例中，元字符 \s 匹配任何空白字符，\S 匹配任何非空白字符。[Visual Basic]
   Sub DumpHrefs(inputString As String)
   Dim r As Regex
      Dim m As Match
    
      r = New Regex("href\s*=\s*(?:""(?<1>[^""]*)""|(?<1>\S+))", _
         RegexOptions.IgnoreCase Or RegexOptions.Compiled)
    
      m = r.Match(inputString)
      While m.Success
         Console.WriteLine("Found href " & m.Groups(1).Value _
            & " at " & m.Groups(1).Index.ToString())
         m = m.NextMatch()
      End While
   End Sub
[C#]
   void DumpHrefs(String inputString) 
   {
      Regex r;
      Match m;      r = new Regex("href\\s*=\\s*(?:\"(?<1>[^\"]*)\"|(?<1>\\S+))",
         RegexOptions.IgnoreCase|RegexOptions.Compiled);
      for (m = r.Match(inputString); m.Success; m = m.NextMatch()) 
      {
         Console.WriteLine("Found href " + m.Groups[1] + " at " 
            + m.Groups[1].Index);
      }
   }

Answer 2

(h|H)(r|R)(e|E)(f|F)*=*('|")?(\w|\\|\/|\.)+('|"|*|>)?

Answer 3

\w 好像不包含 “？”， 有些ASP link 有 "?" etc.