Regex pour capturé les Urls

Version imprimable

29/06/2013, 13h55
Horizon69

Regex pour capturé les Urls

Bonjour,

Je rencontre un problème avec une régex pour récupéré les Urls dans le code source d'une page.

J'utilise cette Url :
Regex.Matches(Text, "<a href=""(https?://(?:.+))""(?:.+)?>(.+)<", RegexOptions.IgnoreCase)

La regex me retourne qu'une partie des Urls, alors qu'elles ont toute la même forme.

Merci de bien vouloir m'éclairé les idées.
29/06/2013, 18h46
DotNetMatt

Donne-nous des exemples parlants, et indique quels sont ceux qui marchent et ceux qui ne marche pas.

Précise également quelle est la syntaxe des URL que tu cherches à récupérer.
30/06/2013, 08h51
Horizon69

Je recherche les url de ce type :
http://www.developpez.net/forums/newreply.php?do=newreply&noquote=1&p=7368808" target="_blank">lien</a>
et
http://www.developpez.net/forums/newreply.php?do=newreply&noquote=1&p=7368808">lien</a>

La recherche échoue dans ce contexte :
<br /><a href="http://www.developpez.net/forums/newreply.php?do=newreply&noquote=1&p=7368808" target="_blank">Lien</a><br />

Un simple parsing de ce type fera l'affaire :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
 Private Function GetUrl(ByVal Source$, ByVal Before$, ByVal After$, ByVal Offset%) As String
        If String.IsNullOrEmpty(Source) Then Return String.Empty
        If Source.Contains(Before) = True Then
            Dim Result$ = Source.Substring(Source.IndexOf(Before) + Offset)
            If Result.Contains(After) = True Then
                If Not String.IsNullOrEmpty(After) Then Result = Result.Substring(0, Result.IndexOf(After))
            End If
            Return Result
        Else
            Return String.Empty
        End If
    End Function

Utilisation :

Code:

1
2
3
  Dim line$ = "<br /><a href=""http://www.developpez.net/forums/newreply.php?do=newreply&noquote=1&p=7368808"" target=""_blank"">Lien</a><br />"
        Dim Url$ = ParseBetween(line, "href=""", """", "href=""".Length)
Msgbox(Url)

A+

Bonsoir
il y a aussi HtmlAgility, créé pour le HTML.
A tester (un exemple simple) :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
        Dim url As String = "http://tlevesque.developpez.com/tutoriels/dotnet/extraction-donnees-web-html-agility-pack/"
        Dim web As New HtmlWeb()
        Dim doc As HtmlDocument = web.Load(url)
 
        Dim links = doc.DocumentNode.Descendants("a")
        For Each link In links
            Dim href As HtmlAttribute = link.Attributes("href")
            If href Is Nothing Then Continue For
            If href.Value.StartsWith("http://www.developpez.net", StringComparison.CurrentCultureIgnoreCase) Then
                Console.WriteLine(href.Value)
            End If
        Next

02/07/2013, 18h57
Horizon69

Merci à vous, j'opte pour HtmlAgility.