解析链接并接收多余的空格

如何解决解析链接并接收多余的空格

|| 我正在解析HTTP链接的网页，方法是首先解析所有锚定标签，然后解析href标签，然后运行正则表达式删除所有不是独立链接的标签（例如href = \“ / img / link）。 PHP \“）。下面的代码可以正常工作，但还会在解析的链接之间添加很多空白行。

while (parse.ParseNext(\"a\",out tag))
{
    string value;
    //A REGEX value,this one finds proper http address\'
    Regex regexObj = new Regex(@\"^http\\://[a-zA-Z0-9\\-\\.]+\\.[a-zA-Z]{2,3}(/\\S*)?$\");
    if (tag.Attributes.TryGetValue(\"href\",out value))
    {
        string value2;
        //Start finding matches...
        Match matchResults = regexObj.Match(value);
        value2 = matchResults.Value;
            lstPages.AppendText(value2 + \"\\r\\n\");                        
    }
}

为了解决这个问题，我添加了以下代码，它可以清理列表：

if (value2 != \"\")
{
    lstPages.AppendText(value2 + \"\\r\\n\");
}

但是，我 不要相信这是解决此问题的最有效方法， 仍然不知道

!= \"\"

线的来源。 我的实际问题是这两个问题，但问题＃2更多，因为我想了解为什么收到这些结果，以及是否有更有效的方法。     

解决方法

        之所以在

value2

中获得空字符串，是因为如果正则表达式不匹配，则是

matchResults.Value == \"\"

。您可以直接检查

matchResults.Success

来查看正则表达式是否匹配，而不是检查

value2 != \"\"

。无论如何，基本上都是在这样做，因为您的特定正则表达式永远不会匹配空字符串，但是检查

matchResults.Success

会更简单。 需要考虑的另一件事是，不必在循环的每次迭代中都创建Regex对象。这是我建议的修改：

//A REGEX value,this one finds proper http address\'
Regex regexObj = new Regex(@\"^http\\://[a-zA-Z0-9\\-\\.]+\\.[a-zA-Z]{2,3}(/\\S*)?$\");
while (parse.ParseNext(\"a\",out tag))
{
    string value;

    if (tag.Attributes.TryGetValue(\"href\",out value))
    {
        string value2;
        //Start finding matches...
        Match matchResult = regexObj.Match(value);
        if (matchResult.Success)
        {
            value2 = matchResult.Value;
            lstPages.AppendText(value2 + \"\\r\\n\");
        }
    }
}

    ,        改用HTML Agility Pack

static void Main(string[] args)
{
    var html = new HtmlDocument();
    var request = WebRequest.Create(\"http://stackoverflow.com/questions/6256982/parsing-links-and-recieving-extra-blanks/6257328#6257328\") as HttpWebRequest;
    using (var response = request.GetResponse())
    using (var responseStream = response.GetResponseStream())
    {
        html.Load(responseStream);
    }

    foreach (var absoluteHref in html.DocumentNode.SelectNodes(\"//a[starts-with(@href,\'http\')]\"))
    {
        Console.WriteLine(absoluteHref.Attributes[\"href\"].Value);
    }
}

    ,        

TryGetValue

是（11ѭ的通用方法。如果没有任何值可返回，则返回ѭ12String，即String的

String.Empty

或

\"\"