更改路线链接的直接链接

Question

从我的数据库中，我正在抓取网站内容的正文栏。

出于某种原因，某些 href 会在没有破折号的情况下返回（可能会逃脱），因此href="/my-page"将返回href="my-page"而没有破折号。

我需要知道如何更改body列以查找href="<some value>"并为它们添加斜杠。只有它没有斜杠，或者它已经没有 http：或 www。。

我可以通过HTML解析任何想法吗？

Answer 1

您可以尝试进行粗略处理：

1. 使用href="([^"]+)"查找实际指向某个资源的每个链接。
2. 迭代每个找到的资源（每个匹配的第1组），并检查它是否以/，http://或www.开头。如果没有，请添加前导/并将代码中的原始值替换为已修改的值（对于替换，请尝试将修改后的值替换为完全匹配（组0）的值）。 / LI>

Answer 2

这可能是您在链接检索中更好地解决的问题，但我认为这应该是您所追求的：

Regex.Replace(yourString, @"(href="")(?!www)(?!http)", "$1/"));

它将匹配并捕获任何href="，而不是www或http。然后它只在匹配的组后插入/。它可能是一个有点复杂字符串的时尚。