如何使用正则表达式从 HTML 文本中提取链接？

大家好，我们又见面了啊~本文《如何使用正则表达式从 HTML 文本中提取链接？ 》的内容中将会涉及到等等。如果你正在学习文章相关知识，欢迎关注我，以后会给大家带来更多文章相关文章，希望我们能一起进步！下面就开始本文的正式内容~

使用正则表达式解析 HTML 文本中的链接

在 HTML 文档中提取特定文本元素，如链接或标题，是常见任务。对于此类任务，可以使用正则表达式解析 HTML。正则表达式是一种用于匹配字符串中特定模式的强大工具。

在本例中，目标是提取给定 HTML 代码段中所有 <a> 标签的 href 属性值。

尝试的正则表达式

最初尝试的正则表达式如下：

// s就是上图里的这一段html文本字符串
const r1 = s.match(/活动开展情况[\s\S]*<\/ul>/g)[0]
const r2 = r1.match(/(?<=href=").*?(?=")/g)

遇到的问题

然而，此正则表达式未能正确匹配，因为其还包括了其他元素，如 # 和 javascript:void(0)。

改进后的正则表达式（使用 HTML 解析器）

建议使用 HTML 解析器来安全可靠地解析 HTML 文本。以下是使用 jQuery（一个流行的 JavaScript 库）的示例：

$(html).find('>li>a').map((_, a) => $(a).attr('href')) // jq
[...$(html).find('>li>a')].map(a => $(a).attr('href')) // Array
// jq 转 Array 可用 [...jq], jq.toArray(), Array.from(jq, mapfn)
// 如需完整 URL, $(a).attr('href') 改为 a.href

提取的链接

使用改进后的方法，可以提取以下链接：

[
    "/eduadmin/SpecialInfo/SpecialInfo?AreaID=533167224&AreaType=1&SpecialCode=3",
    "/eduadmin/SpecialInfo/SpecialInfo?AreaID=533167224&AreaType=1&SpecialCode=4",
    "/eduadmin/SpecialInfo/SpecialInfo?AreaID=533167224&AreaType=1&SpecialCode=6",
    "/eduadmin/SpecialInfo/SpecialInfo?AreaID=533167224&AreaType=1&SpecialCode=9",
    "/eduadmin/DevelopActivity/SystemActivityManage/2/-1"
]

终于介绍完啦！小伙伴们，这篇关于《如何使用正则表达式从 HTML 文本中提取链接？ 》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识，快来关注吧！