Comment puis-je écrire une expression régulière pour capturer des liens sans texte de lien?

Question

Comment puis-je écrire une expression régulière pour remplacer des liens avec aucun texte de lien comme ceci:

<a href="http://www.somesite.com"></a> 

avec

<a href="http://www.somesite.com">http://www.somesite.com</a> 

?

C'est ce que j'essayais de faire pour capturer les correspondances, et il n'en attrape aucune. Qu'est-ce que je fais mal?

string pattern = "<a\\s+href\\s*=\\s*\"(?<href>.*)\">\\s*</a>"; 

Answer 1

Je peux me tromper, mais je pense que vous avez simplement besoin de changer le quantificateur au sein du groupe href d'être paresseux plutôt que gourmand.

string pattern = @"<a\s+href\s*=\s*""(?<href>.*?)"">\s*</a>"; 

(j'ai aussi changé le type de chaîne de caractères à utiliser @, pour une meilleure lisibilité.)

Le reste du regex semble bien pour moi. Le fait que vous ne capturiez aucun résultat me fait penser autrement, mais il pourrait y avoir un problème dans le reste du code (ou même les données d'entrée - avez-vous vérifié cela?).

Answer 2

Je suggère

string pattern = "(<a\\b[^>]*href=\"([^\"]+)\"[^>]*>)[\\s\\r\\n]*(</a>)"; 

De cette façon aussi des liens avec leur attribut href quelque part serait capturé d'autre.

Remplacer par

"$1$2$3" 

Le mot habituel d'avertissement: HTML et regex sont essentiellement incompatibles. Utilisez avec prudence, cela pourrait exploser.

Answer 3

Je ne voudrais pas utiliser une expression régulière - j'utiliser la Html Agility Pack, et une requête comme:

foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a[.='']")) { 
    link.InnerText = link.GetAttribute("href"); 
} 

Answer 4

Marc Gravell a la bonne réponse, les expressions rationnelles sont fondamentalement mauvais à l'analyse syntaxique HTML (voir Can you provide some examples of why it is hard to parse XML and HTML with a regex? pourquoi) . Voir Can you provide an example of parsing HTML with your favorite parser? pour des exemples en utilisant une variété de parseurs.