正则提取网页超链接的问题

larryk

利用正则提取网页源码中的超链接，即是将源码中的所有a标签“<a……>……</a>”部分代码取出。
表达式=<a.*</a>的时候，取出错误，例如网页源码如下：
<a href="../a/1.html">类似结果1</a><a href="../a/2.html">类似结果2</a><a href="../a/3.html">类似结果3</a><a href="../a/4.html">类似结果4</a><a href="../a/5.html">类似结果5</a><a href="../a/6.html">类似结果6</a><a href="../a/7.html">类似结果7</a><a href="../a/8.html">类似结果8</a>

此时使用上述表达式，则匹配结果没有把这些超链接分开。
本人试过用表达式=<a[^<]*<，进行匹配，可以把超链接分开了，但是如果某个超链接的文本中出现“<”的时候就会匹配错误。
比如这样的时候：<a href="../a/8.html">类似<<结果8</a>，就会匹配错误。必须要以</a>作为匹配字符串的结尾。请问匹配表达式应该如何写？谢谢

果子

<a.*?>(.*?)</a>

千年

<a href="(.*?)">(.*?)</a>

xmdd1005

不如提取这样的信息,反正网页链接都是a href=开始的是吧
提取  <a href="*.html">
  这样不快的多? 而且提取出来的都是以HTML结尾的链接!
其他的就不用管了  反正你只是提取链接呗  用正则表达式 我觉得我这个应该是效率最高 速度最快的!
不用提取全部的  就单独提取一条链接!

金哥专用

href *= *['"]*(\S+)["']

dongj13

{:3_227:}不懂

larryk

我试试…………{:3_232:}

larryk

果子 发表于 2011-8-21 01:40
(.*?)

果子大哥这个表达式可以了，但是我不明白.*?中的问号“?”有什么作用？为什么我的<a.*</a>这个就不行？谢谢

larryk

懒惰匹配模式，知道了…………{:3_244:}

leex04

我也想知道{:3_226:}