正则表达式

wzc2889160

// Create a request for the URL.   
        string strUrl;
        strUrl = "http://www.google.cn";
        WebRequest request = HttpWebRequest.Create(strUrl);
        // If required by the server, set the credentials.
        request.Credentials = CredentialCache.DefaultCredentials;

        // Get the response.
        HttpWebResponse response = (HttpWebResponse)request.GetResponse();
        // Display the status.
        //Response.Write(response.StatusCode);
        // Get the stream containing content returned by the server.        
        Stream dataStream = response.GetResponseStream();
        // Open the stream using a StreamReader for easy access.

        StreamReader reader = new StreamReader(dataStream, System.Text.Encoding.Default);
        // Read the content.  
        string responseFromServer = reader.ReadToEnd();
        // Display the content.   
        string pattern = @"<(((a|link).*href)|((img|script).*src)|(form.*action))\s*=\s*[""']?(?<link>[^'""\s]*)";
        Regex reg = new Regex(pattern, RegexOptions.IgnoreCase);
        for (Match m = reg.Match(responseFromServer); m.Success; m = m.NextMatch())
        {

            Response.Write(m.Groups["link"].Value.ToString()+"<br>");

        }

        Response.Write(responseFromServer);
        // Cleanup the streams and the response.

        reader.Close();
        dataStream.Close();
        response.Close();

======================================================================
其中的正则表达式能解析出网页中带引号的地址，但为什么不带引号的出不来？
请大家帮我看一下吧，先谢谢了。

mohicanhj

你的正则表达式
string pattern = @"<(((a|link).*href)|((img|script).*src)|(form.*action))\s*=\s*[""']?(?<link>[^'""\s]*)";
应该可以解析出不带引号的地址，只不过会多一些不需要的如“>”之类的附加文本吧
因为你用的(?<link>[^'""\s]*)对没有引号的地址的边界条件是不够的，可以用下面的试一下
string pattern = @"<(((a|link).*href)|((img|script).*src)|(form.*action))\s*=\s*[""']?(?<link>[^'""\s>]*)";
这里要在最后的[]内加入不带引号的地址后面，你可以确定的如“>”等普通字符，根据具体情况，加进去就可以了