Hente links ud fra streng

... jeg glemte at sige, at jeg vil sætte pris på hvis evt. kodeeksempler er i C#

spm 1.

Opret en streamreader og lav en passende regex. den jeg har givet med er til at parse html kode.

HttpWebRequest request;
HttpWebResponse response;
Stream s;

// create a request to the url
request = (HttpWebRequest) WebRequest.Create("http://www.w3c.org/");

// get the response
response = (HttpWebResponse) request.GetResponse();

// get the stream of data and read into a string
s = response.GetResponseStream();
string strContents = new StreamReader(s).ReadToEnd();

Regex r = new Regex("href\\s*=\\s*(?:(?:\\\"(?<url>[^\\\"]*)\\\")|(?<url>[^\\s]* ))");
MatchCollection mc1 = r.Matches(strContents);
Console.WriteLine(r.ToString());
foreach(Match m1 in mc1)
{
    //Output details of Match
    Console.WriteLine("Match: {0}", m1.Value);

    //Output details of Groups
    foreach(Group g in m1.Groups)
    {
        Console.WriteLine("URL: {0}", g.Value);
    }
}

eller hvis du har en string direkte, er det også fint :)

taget fra:
http://www.dotnetcoders.com/web/Learning/Regex/exHrefExtractor.aspx

Tak det ser fint ud, dog virker det ikke rigtigt - jeg ved ikke hvilke namespaces jeg skal inkludere, flere af variablerne er heller ikke deklareret og fejler derfor =/

// project created on 26-09-2002 at 14:36
using System;
using System.Collections;
using System.IO;
using System.Net;
using System.Text.RegularExpressions;

class HTMLLinkParser
{
    public static void Main(string[] args)
    {
        HttpWebRequest request;
        HttpWebResponse response;
        Stream s;
       
        // create a request to the url
        request = (HttpWebRequest) WebRequest.Create("http://www.w3c.org/");
       
        // get the response
        response = (HttpWebResponse) request.GetResponse();
       
        // get the stream of data and read into a string
        s = response.GetResponseStream();
        string strContents = new StreamReader(s).ReadToEnd();
       
        Regex r = new Regex("href\\s*=\\s*(?:(?:\\\"(?<url>[^\\\"]*)\\\")|(?<url>[^\\s]* ))");
        MatchCollection mc1 = r.Matches(strContents);
        Console.WriteLine(r.ToString());
        foreach(Match m1 in mc1)
        {
            //Output details of Match
            Console.WriteLine("Match: {0}", m1.Value);
       
            //Output details of Groups
            foreach(Group g in m1.Groups)
            {
                Console.WriteLine("URL: {0}", g.Value);
            }
        }
    }
}

Yeah, nu er den der næsten - mangler bare at få lavet min RegEx således at den ikke også returnere email-links som den gør nu (mailto:href=blablabla.dk). Jeg er kun interesseret i http://www.hejsa.dk, eller www.hejsa.dk osv. - er det noget der kan lade sig gøre med RegEx?

kan det sikkert, men jeg er ikke en haj til det :) en simpel fix kunne være (ikke lige testet):

        foreach(Match m1 in mc1)
        {
            if( m1.Value.ToLower().StartsWith( "mailto" ) == false )
            {
                //Output details of Match
                Console.WriteLine("Match: {0}", m1.Value);
           
                //Output details of Groups
                foreach(Group g in m1.Groups)
                {
                    Console.WriteLine("URL: {0}", g.Value);
                }
            }
        }