href 一个正则表达式的解析 ? 号解析

 

ArrayList linkLocal     =   new  ArrayList(); 
ArrayList linkExternal  =   new  ArrayList(); 
//  Dodgy Regex will find *some* links 
foreach  (Match match  in  Regex.Matches(htmlData 
    ,  @" (?<=<(a|area)\s+href="").*?(?=""\s*/?>) "  
    , RegexOptions.IgnoreCase | RegexOptions.ExplicitCapture))  { 

    // Regex matches from opening "quote
    link = match.Value;
    // find first space (ie no spaces in Url)
    int spacePos = link.IndexOf(' ');
    // or first closing quote (NO single quotes) 
    int quotePos = link.IndexOf('"');
    int chopPos = (quotePos<spacePos?quotePos:spacePos);
    if (chopPos > 0) {
    // chopPos if quote or space first the at URL end
        link = link.Substring(0,chopPos);
    } 
    if ( (link.Length > 8) && 
         (link.Substring(0, 7).ToLower() == "http://") ) {
        // Assumes all links beginning with http:// are _external_ 
        linkExternal.Add(link) ; 
    } else { 
        // otherwise they're "relative"/internal links
        // so we concatenate the base URL 
        link = startingUrl + link; 
        linkLocal.Add(link); 
    } 
}

 

.*? 非贪婪或最小匹配.
?<= 正向引用不包含在匹配值里
?= 同上.. (不过上面的哪个没有了<号就会造成不同的结果了)
"" 因为前面加了个@ 所以这边的""变成了"的意思.
(a|area) 其它的任意一个

RegexOptions.ExplicitCapture 指得没有命名的不能捕获..其它?<=和?=以经代替了它的作用了

另一种方法的捕狱.括号加命名 (?<banyi>.*?)到时候就可以match.Groups["banyi"].Value这种形式来获得了 Replace的时候也可以指定的
?的另一个作用就是 匹配0次或一次了 +号是一次或多次*号是0次或多次