Expression régulière pour extraire des urls d'un code source d'une page web

Bonjour,

Je souhaiterais extraire des urls d'un code source d'une page web.
blala <a href="http://fr.playstation.com/ps3/" class=l blalalalala <a href="http://fr.playstation.com/ps3/" class=l blabla

Je souhaite extraire dans ce cas href="http://fr.playstation.com/ps3/" (entre <a et class=1)
Ou encore mieux : http://fr.playstation.com/ps3/ mais l'expression régulière doit être plus compliquée.

Merci d'avance.
Thomas.

En allant vite je dirais:

Code:

---

href="([^"]+)

---

Ton adresse est dans le Group 1.

Je ne sais pas si tu le connais, mais voici un utilitaire pour bâtir tes expressions régulière: http://www.radsoftware.com.au/regexdesigner/ :ccool:

Merci de ton aide;), mais dans mon cas cette regex ne fonctionne pas, en faite il me faudrais une regex qui me récupère une chaine commencant par <a href= et terminant par class=l

pour avoir l'url seule sans utiliser des groupes
(?<=")http://([^"]*)(?=")

pour ton deuxième message; veut tu avoir la balise de début et tous ses attributs? ou bien juste jusqu'à "class=l" ?

Voilà;
pour être un peut plus souple et tenir compte des éventuels espaces permis en html:

1. pour avoir l'url seule:
   (?<=<\s*a\s*href\s*=\s*")http://[^">]*(?="\s*[^>]*>)
   
2. pour avoir la balise de début et ses attributs:
   <\s*a\s*href\s*=\s*"http://[^">]*"\s*[^>]*>
   
3. pour avoir <a href= et terminant par class=l
   <\s*a\s*href\s*=\s*"http://[^">]*"\s*class\s*=\s*l

et là des explications s'imposent:

- en rouge il faut ajouter les éventuels caractères inacceptables dans les urls

- puis il faut savoir que les attributs peuvent être dans un ordre quelconque; alors faut-il tenir compte?

- et puis en XHTML il faut ecrire class="l" ; alors en 3 : <\s*a\s*href\s*=\s*"http://[^">]*"\s*class\s*=\s*"l"

et puis pour finir je te conseil ce merveilleux logiciel dédier aux regex: RegexBuddy et sa petit famille; et cerise sur le gâteau il intègre une bonne doc sur les regex et un très bon tutoriel et puis encore génère du C#...
c'est pas de la pub, mais il m'a beaucoup aidé.

Merci beaucoup ! ;) Je vais essayer sa de suite ! (la 3ème solution est la mieux dans mon cas)
Dommage que ton log soit payant :roll:
EDIT :

Code:

---

1 2	Regex myRegex = new Regex(@"\s*a\s*href\s*=\s*"http://[^">]*"\s*class\s*=\s*l"); return myRegex.Split(chaine);

---

Mais j'obtient des erreurs

je crois que tu doit utiliser l'une des méthode Matches(chaine) / Match(chaine)
plutôt que myRegex.Split(chaine)

car là, à mon avis, tu cherche à récupérer des parties de ta chaine non pas à la découpée, et puis il faut doubler les Guillemets dans la chaine verbatim, pour que Visuel Studio l'accepte, comme ceci:

Code:

---

@"<\s*a\s*href\s*=\s*""http://[^"">]*""\s*class\s*=\s*l"

---

voici un code à essayer:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

// Deffinir l'expression régulière Regex myRegex = new Regex(@"<\s*a\s*href\s*=\s*""http://[^"">]*""\s*class\s*=\s*l", RegexOptions.Compiled | RegexOptions.IgnoreCase);   // Deffinire la chaine de test string Chaine = @"<a href=""http://fr.playstation.com/ps3/"" class=l blalalalala <a href=""http://fr.playstation.com/ps3/"" class=l blabla";   // Trouver les correspondances MatchCollection matches = myRegex.Matches(Chaine);   // Afficher chaque match. foreach (Match match in matches) { Console.WriteLine(match.Value); }

---

pour pouvoir récupérer les parties de l'url etc voici un exemple donné dans le soft proposé par PatteDePoule, avec de légères modifications:

Code:

---

@"<\s*a\s*href\s*=\s*""(?<protocol>http|ftp)://(?<domain>[^/\r\n]+)(?<path>/[^\r\n>]*)?""\s*class\s*=\s*l"

---

pour RegexBudy, tu peut quand même l'utilisé pendant la période d'essai de xx jours

Parfait ! C'est exactement ce que je cherchais.
Merci beaucoup !
Thomas.