C#中如何有效地检测内容中是否有大量链接
0
悬赏园豆：200
[已解决问题]
解决于 2015-04-17 15:13
链接样本特征：
1）
特征：
<a href="url">url</a> ...
示例：
<a href="http://q.cnblogs.com/q/71241/">http://q.cnblogs.com/q/71241/</a><a href="http://q.cnblogs.com/q/71241/">http://q.cnblogs.com/q/71241/</a><a href="http://q.cnblogs.com/q/71241/">http://q.cnblogs.com/q/71241/</a><a href="http://q.cnblogs.com/q/71241/">http://q.cnblogs.com/q/71241/</a><a href="http://q.cnblogs.com/q/71241/">http://q.cnblogs.com/q/71241/</a>
2)
特征：
<a href="url">文本</a> ...
示例：
<a href="http://q.cnblogs.com/q/71241/">测试</a><a href="http://q.cnblogs.com/q/71241/">测试</a><a href="http://q.cnblogs.com/q/71241/">测试</a><a href="http://q.cnblogs.com/q/71241/">测试</a><a href="http://q.cnblogs.com/q/71241/">测试</a>
3）
特征：
url url url ...
示例a：
q.cnblogs.com/q/71241 q.cnblogs.com/q/71241/ q.cnblogs.com/q/71241/ q.cnblogs.com/q/71241/ q.cnblogs.com/q/71241/
示例b：
http://q.cnblogs.com/q/71241 q.cnblogs.com/q/71241/http://q.cnblogs.com/q/71241/http://q.cnblogs.com/q/71241/http://q.cnblogs.com/q/71241/
请问在C#辊如何检测一段文本中是否包含这些链接样本，若包含，需要显示链接数？
最佳答案
0
第一第二 可以通过 <a> 的正则
第三种可以这样来
(([^/]*\.)+([^/]*))/([^\.]*/)+([^\.]*)?((?=\1|$))
前提是同域名的
收获园豆：200
实际场景是域名经常变化
@dudu: 第三种场景的域名可能会不一致？
@Yu: 在同一段文本中域名是一致的
@dudu: 那就可以了
@Yu: 你这个在域名前面有http://的时候就不能匹配
@dudu:
((http://)?([^/]*\.)+([^/]*))(/([^\.]*/?)+([^\.]*)?)?((?=\1|$))
@Yu: 这个正则在测试中会造成程序运行死锁
@dudu: 你的测试数据咋样的
@Yu:
var regex = new Regex(@"((http://)?([^/]*\.)+([^/]*))(/([^\.]*/?)+([^\.]*)?)?((?=\1|$))"); var text = "http://q.cnblogs.com/1210768968~-1/155557840_155557840.htm"; var maches = regex.Matches(text);
@dudu:
((http://)([^/\s]*\.)+([^/\s]*)|([^/\s]*\.)+([^/\s]*))(/[^\.\s(http:)/]+(\.htm(l)?)?(?!\.))*
@Yu: 这个测试通过
其他回答(7)
0
1、正则；
2、自己写个 html 解析器，只解析 <a href 标签。
html解析器不能处理第3种情况
@dudu: 第三种是啥情况？举个例子看看。
@Launcher:
如下：
q.cnblogs.com/q/71241 q.cnblogs.com/q/71241/ q.cnblogs.com/q/71241/ q.cnblogs.com/q/71241/ q.cnblogs.com/q/71241/
有时多个url之间边空格都没有
@dudu:
没空格的话神仙也不能自动识别呀！
@dudu: 那你这个问题就难了，你还需要解析 URI，考察这两个例子：
q.cnblogs.com/q/71241 q.cnblogs.com/q/71241/
因为有空格，那么根据 URI 的规则，可以分割成两个独立的字符串来做 URI 分析。
q.cnblogs.com/q/71241q.cnblogs.com/q/71241/
因为没有空格，那么根据 URI 规则，它可以拆分成下面两个合法 URI
q.cnblogs.com/q/71241q.c 和 nblogs.com/q/71241/
你可以定期的加入一些规则，比如 q.cnblogs.com 为 URI 中的 userinfo+host+port 节，那么从 / 后的部分就可能为 path 节。
@Launcher: 准备用.com/这个特征试试效果
0
1、$("a")
2、$("a").length
0
关键字匹配行不行呢？
URL指向的都是正规网站
@dudu: 对呀，我是指url的关键字。 比如1、2中：<a href="
3中：数字字符.数字字符(q.cnblogs.com)。
@幻天芒: URL没有规律，不同的网站，不同的URL形式
@dudu: 没有规律，就要人工添加规则去匹配吧。
@幻天芒: 只是关键字上没有规律
@dudu: 字符、点就是关键哇，看需求是是否包含大量链接，那只需要判断多不多就行了。
@幻天芒: 特征字符有域名后缀（.com,.net...）、斜杠、点，只要知道数量就行了
@dudu: 直接搜索特征字符数量。
0
既然是大量,那应该可以通过判断重复字符串来做吧?
0
主要还是判断是否包含域名吧？ a.b.com之类的
0
1.正则替换法
http://www.cnblogs.com/diony/archive/2010/12/16/1908499.html
2.关键字过滤
0
mark！
