finde alle hyperlinks i html

Hvis html'en er valid, kunne du let køre den igennem som et xml document med xslt

//a[@title != '']

Ellers brug regular expressions (her er jeg ikke så stærk).

/J

valid HTML != valid XML

Enten skal du have fat i en HTML parser. Eller så regex.

Lidt regex kode:

using System;
using System.Text.RegularExpressions;

namespace E
{
    public class Program
    {
        private static Regex re = new Regex(@"(?:<a[^>]+href\s*=\s*[""'])([^""']*)(?:[""'][^>]*>)([^<]*)(?:</a>)", RegexOptions.IgnoreCase);
        public static void Find(string html)
        {
            foreach(Match m in re.Matches(html))
            {
                Console.WriteLine("link=" + m.Groups[1].Value);
                Console.WriteLine("title=" + m.Groups[2].Value);
            }
        }
        public static void Main(string[] args)
        {
            Find("bla <a href='foo.html'>Foo</a> bla <a href='bar.html'>Bar</a> bla");
            Console.ReadKey();
        }
    }
}

Hej gutter, tak for input jeg kigger lige på det asap ;-)

Hey
Nå, jeg har kigget på det og arne_v's udgave spiller faktisk fint.
Men m.Groups[2].Value er selve linkets tekst og ikke title, nogen ideer til hvordan det fikses?

Hvad mener du med title ?

Jeg er ikke klar at a tag har en title attribut.

Men hvis den har så kan den sagten fiskes ud med regex også.

ja det er attributten title....

using System;
using System.Text.RegularExpressions;

namespace E
{
    public class Program
    {
        private static Regex re = new Regex(@"(?:<a[^>]+href\s*=\s*[""'])([^""']*)(?:[""'][^>]+title\s*=\s*[""'])([^""']*)(?:[""'][^>]*>)([^<]*)(?:</a>)", RegexOptions.IgnoreCase);
        public static void Find(string html)
        {
            foreach(Match m in re.Matches(html))
            {
                Console.WriteLine("link=" + m.Groups[1].Value);
                Console.WriteLine("title=" + m.Groups[2].Value);
                Console.WriteLine("text=" + m.Groups[3].Value);
            }
        }
        public static void Main(string[] args)
        {
            Find("bla <a href='foo.html' title='foofoo'>Foo</a> bla <a href='bar.html' title='barbar'>Bar</a> bla");
            Console.ReadKey();
        }
    }
}

Der er ikke et øje tørt...
Send svar arne ;-)

svar

;-)