リンク要素を傷つけるRegexの文字列の問題

Question

VB.NETスクレイパーに少し問題があります。すでにダウンロードしたhtml文字列のリンクをすべて取得するはずです。私はチェックしたので）、それは私の正規表現の文字列で何かでなければなりません。

私の正規表現文字列：<a.*?href=""(.*?)"".*?>(.*?)</a>

これは、いくつかのサイトのために動作しますが、他の人のために、それはしません。

ここには、一致するか一致しないHTMLソースの例があります。

ワーキング：

<a href="http://domain.com" rel="nofollow" onmousedown="return clk('25936','3')" target="_blank">/a> 

が機能していない：

<a href='http://domain.com' target="_blank" ><font size=2><b>text</b></a> 

それが原因"と'のだろうか？以下の正規表現と

Answer 1

チェック：

<a.*?href=[",'](.*?)[",'].*?><\/a>

あなたは2回を二重引用符を使用しています。 a tagのhrefは一重引用符と二重引用符で使用されるため、両方でチェックする必要があります。