Holen Sie sich "Titel" - Attribut von html-link mit Regex

Ich habe den folgenden regulären Ausdruck für alle link-tags auf einer Seite generiert aus unserem custom cms

<a\s+((?:(?:\w+\s*=\s*)(?:\w+|"[^"]*"|'[^']*'))*?\s*href\s*=\s*(?<url>\w+|"[^"]*"|'[^']*')(?:(?:\s+\w+\s*=\s*)(?:\w+|"[^"]*"|'[^']*'))*?)>.+?</a>

Verwenden wir c#, um eine Schleife durch alle Spiele dieser, und fügen Sie einen onclick-event an jeden link (tracking-software) vor dem Rendern der Inhalte auf der Seite.
Ich muss analysieren Sie den link und fügen Sie einen parameter an die onclick-Funktion, die die "link-name".

Ich würde ändern Sie die regex, um die folgenden Untergruppen

  • Das title-Attribut des link -
  • Wenn der link enthält ein Bild-tag bekommen
    der alt-text des Bildes
  • Der text des Links

Kann ich das dann überprüfen Sie die übereinstimmung der einzelnen Subgruppen zu aqquire die entsprechenden Namen der Verbindung.

Wie würde ich ändern die oben genannten regex dies zu tun, oder könnte ich das gleiche zu erreichen denken, mit c# - code?

  • Sie sind mit ASP.NET zum generieren dieser Seite?
  • Würde einige freundlicherweise mod bitte fügen Sie diese auf der FAQ-irgendwann?
  • Ja, ich bin mit ASP.NET um die Seite zu erzeugen
InformationsquelleAutor Sheff | 2009-05-12
  1. 6

    Regexes sind grundsätzlich schlecht zu Parsen von HTML (siehe Können Sie einige Beispiele nennen, warum es schwer ist zu analysieren, XML und HTML mit regex? für warum). Was Sie brauchen, ist ein HTML-parser. Sehen Können Sie ein Beispiel geben, Parsen von HTML mit Ihrem Lieblings-parser? Beispiele für die Verwendung einer Vielzahl von Parser.

    Insbesondere, die Sie interessieren können, der in der HTMLAgilityPack Antwort.

    • Ja, ich kann sehen, dass die regex ist nicht besonders groß, bei der Analyse von html, die ich, warum (wie auch meiner mangelnden regex Kenntnissen) ich bin mit diesen zu kämpfen. Bedenkt, ich kann nicht garantieren, diese app hat xhtml können Sie empfehlen eine gute c# - parser, um die oben genannten?
    • Leider verpasste Sie Ihren Anker, um das HTMLAgilityPack, ill werfen Sie einen Blick, Dank
    InformationsquelleAutor Chas. Owens
  2. 2

    Versuchen Sie dies:

    Regex reg = new Regex("<a[^>]*?title=\"([^\"]*?\"[^>]*?>");

    Ein paar Fallstricke:

    • Wird dieser übereinstimmung wird die groß-und Kleinschreibung, möchten Sie vielleicht einstellen, dass
    • Diese erwartet das title-Attribut beide vorhanden und wird zitiert
      • Natürlich, wenn das title-Attribut nicht vorhanden ist, werden Sie wahrscheinlich nicht wollen, dass das match überhaupt?

    Zu Extrahieren, verwenden Sie die groups-Auflistung:

    reg.Match("<a href=\"#\" title=\"Hello\">Howdy</a>").Groups[1].Value
    • Leider habe ich tun wollen, zu entsprechen, wenn kein title-tag vorhanden ist, den Inhalt in diesem speziellen cms ist sehr schlechte Qualität der html-also Wenn der Titel nicht vorhanden ist, muss ich überprüfen Bild alt und dann link-text.
    InformationsquelleAutor Goyuix
  3. 0

    Dank Chaos. Owens für den Hinweis mich in Richtung des HtmlAgilityPack Bibliothek, das ist großartig. am Ende habe ich es benutzt, um sich zu Sortieren mein problem, wie unten beschrieben.
    Ich würde trotzig empfehlen diese Bibliothek für andere.

       HtmlDocument htmldoc = new HtmlDocument();
    htmldoc.LoadHtml(content);
    HtmlNodeCollection linkNodes = htmldoc.DocumentNode.SelectNodes("//a[@href]");
    if (linkNodes != null)
    {
        foreach (HtmlNode linkNode in linkNodes)
        {
            string linkTitle = linkNode.GetAttributeValue("title", string.Empty);
            //If no title attribute exists check for an image alt tag
            if (linkTitle == string.Empty)
            {
                HtmlNode imageNode = linkNode.SelectSingleNode("img[@alt]");
                if (imageNode != null)
                {
                    linkTitle = imageNode.GetAttributeValue("alt", string.Empty);
                }
            }
            //If no image alt tag check for span with text
            if (linkTitle == string.Empty)
            {
                HtmlNode spanNode = linkNode.SelectSingleNode("span");
                if (spanNode != null)
                {
                    linkTitle = spanNode.InnerText;
                }
            }

            if (linkTitle == string.Empty)
            {
                if (!linkNode.HasChildNodes)
                {
                    linkTitle = linkNode.InnerText;
                }
            }

        }
    }
    • Ich mag dieses, aber ich glaube nicht, dass es beabsichtigt war: "ich würde trotzig empfehlen Sie diese Bibliothek, um andere."
    InformationsquelleAutor Sheff
Schreibe einen Kommentar