如何使用正则表达式从 HTML 文本中提取链接？

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 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]*/g)[0]
const r2 = r1.match(/(?<p><strong>遇到的问题</strong></p><p>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)。</p><p><strong>改进后的正则表达式（使用 HTML 解析器）</strong></p><p>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：</p>
$(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"
]

以上就是如何使用正则表达式从 HTML 文本中提取链接？的详细内容，更多请关注其它相关文章！