正则表达式解析XML文件，文件扩展名为只返回URL

我有一个转换成字符串下面的XML文件我想解析XML文件只返回URL文件扩展正则表达式解析XML文件，文件扩展名为只返回URL

<?xml version="1.0" encoding="utf-8"?> 
<channel> 
    <generator>GOA Celebrations</generator> 
    <generator>GOA Celebrations</generator> 
    <pubDate>13 Jan 2016</pubDate> 
    <title>GOA Celebrations</title> 
    <link>http://goframe.com.au/rss/herston-inbound</link> 
    <language>en</language> 
    <image> 
    <url>http://goafame.com.au/site/templates/img/logo.png</url> 
    </image> 
    <item> 
    <title>Herston Inbound - Wednesday, 13 Jan - Alex Peisker - 2015-12-21 09:26am - Live</title> 
    <description></description> 
    <pubDate>13 Jan 2016 10:32:01 AEST</pubDate> 
    <link>http://goafame.com.au/gallery/entry/2991/</link> 
    <enclosure url="http://goafame.com.au/site/assets/files/2991/final_cropped_shutterstock_114908098.jpg" length="" type="" /> 
    <guid isPermaLink="false">c5c1cb0bebd56ae38817b251ad72bedb</guid> 
    </item> 
    <item> 
    <title>Dog 1</title> 
    <description></description> 
    <pubDate>13 Jan 2016 10:32:01 AEST</pubDate> 
    <link>http://goafame.com.au/gallery/entry/2991/</link> 
    <enclosure url="http://animaliaz-life.com/data_images/dog/dog4.jpg" length="" type="" /> 
    </item> 
    <item> 
    <title>Dog 2</title> 
    <description></description> 
    <pubDate>13 Jan 2016 10:32:01 AEST</pubDate> 
    <link>http://goafame.com.au/gallery/entry/2991/</link> 
    <enclosure url="http://cdn1.theodysseyonline.com/files/2015/12/21/6358631429926013411708851658_Dog-Pictures.jpg" length="" type="" /> 
    </item> 
    <item> 
    <title>Dog 3</title> 
    <description></description> 
    <pubDate>13 Jan 2016 10:32:01 AEST</pubDate> 
    <link>http://goafame.com.au/gallery/entry/2991/</link> 
    <enclosure url="https://i.ytimg.com/vi/AkcfB3z0_-0/maxresdefault.jpg" length="" type="" /> 
    </item> 
</channel>

我的问题是如何做到这一点使用

定期Exression

所需的输出是

http://goafame.com.au/site/templates/img/logo.png http://goafame.com.au/site/assets/files/2991/final_cropped_shutterstock_114908098.jpg http://animaliaz-life.com/data_images/dog/dog4.jpg http://cdn1.theodysseyonline.com/files/2015/12/21/6358631429926013411708851658_Dog-Pictures.jpg

https://i.ytimg.com/vi/AkcfB3z0_-0/maxresdefault.jpg

这里就是我试图到目前为止

Regex linkParser = new Regex(@"\b(?:https?://|www\.)\S+\b", RegexOptions.Compiled | RegexOptions.IgnoreCase); 

       string rawString = doc.ToString(); 
       int posCounter = 0; 
       foreach (Match m in linkParser.Matches(rawString)) 
       { 
        posCounter++; 
        links.Add(new LinkModel 
        { 
         IsSelected = false, 
         XmlLink = m.Value, 
         NodePosition = posCounter 
        }); 
       }

注： XML文件可以来自任何来源，其他一些URL不在链接元素中。有些甚至是嵌套的。这就是为什么我想使用RegEx而不是XDocument。

来源

2016-03-04 Prince Jea

为什么你需要正则表达式？使用Xpath，它将通过一行代码：） –

不要对此使用RegEx。只需使用一个XML解析器。例如XDocument。 –

恕我直言，使用正则表达式解析XML不是一个好主意。我会去DOM或SAX。 –

我的图案可以匹配您的样本。这里http://regexstorm.net/tester

https?://[^\s<"]+/[^\s<"]+(?:\.\w{3,4})

的想法进行测试，寻找跟一个文件名模式（一端与3,4个字符扩展名）具有防溅字符（/）的所有链接。

来源

2016-03-04 08:18:32 tdat00

var allLinkValues = XDocument.Parse(doc.ToString()) 
          .Root 
          .Elements("item") 
          .Select(itemElement => itemElement.Element("link").Value) 
          .ToList();

这里

XDocument.Parse(doc.ToString())加载文件。 Root指向根元素然后我们选择所有“item”元素并选择“link”元素的值。

Linq2Xml的力量！

XPath，XmlDocument是您的其他选项。

一般情况下，如果字符串计划良好，（XML，JSON，RDF等）不会选择RegEx作为第一个选项。这些类型的文档有很好定义的解析器。

而上面的查询应该让你开始在Xml导航。

来源

2016-03-04 07:45:52

谢谢你的回答，但我这里的问题是xml是动态的，它可能来自任何rss提要，并且一些链接不在链接元素 –

好。那么正则表达式是有道理的。 –

正则表达式解析XML文件，文件扩展名为只返回URL

回答

相关问题