Regexp. Hämta ut alla länkar på en sida.

Använd Matches och SubMatches:

Dim myRegExp, myMatches, myMatch
Set myRegExp = New RegExp
myRegExp.IgnoreCase = True
myRegExp.MultiLine = True
myRegExp.Pattern = "(http://|www)([\S]*)"
Set myMatches = myRegExp.Execute(String)
For Each myMatch In myMatches
	myMatch.Value 'Save this to a variable
Next

Det fungerar bra. Nu behöver jag bara förfina min regexp pattern. Det var inte helt enkelt.

Jag använder följande tester för att testa mig fram: http://www.regextester.com/
Men den ger mig inte samma resultat som om jag använder mig av: http://www.regular-expressions.info/vbscriptexample.html

Är det någon som har en online tester att rekommendera för vbscript regexp frågor?

Regex mönstren brör fungera snarlikt, jag gillar The Regulator 2.0 för att testa regexpatterns.

Har du en länk till mer info?

http://weblogs.asp.net/rosherove/archive/2004/05/28/144073.aspx
Fanns inte så mkt info men en nedladdningslänk :)

webeye regExp tester fungera bra (när den är uppe) jag kör liknande koder: http://voigt.se/sandbox/regexp/

RegExpBuddy om du är villig att betala lite för ett underbart verktyg (enligt mig) ;)

Men uttrycken i VB och Javascript är så gott som identiskt. så det bör inte vara några problem.

För att hämta ut allt adresser ur en sida så verkar följande fungera bra:

'.Pattern = "(http://[^>]+|https://[^>]+|www[^>]+)"

Nu vill jag även hämta ut länk texten. Hur
Hur gör man en matchning mot allt annat än tex "</a>" ?

Det är alla a-element du är ute efter? om jag har förstått det rätt?

Var vill du få ut för data på exempelvis:

<a href="http://webforum.nu" title="webForum">Webforum.nu!</a>

Ditt mönster just nu känns som lite konstigt då du kommer i exemplet ovan få ut
http://webforum.nu" title="webForum" som matchning. Och om det är så du vill få ut:

<a href="[blue][b][url]http://webforum.nu[/url][/b][/blue]" title="webForum">[blue][b]Webforum.nu![/b][/blue]</a>

Så är det lite annat än bara "myMatch.Value" då du vill få ut Submatch på träffen.

Det har du rätt i...

Hittade precis följande sida som har en pattern för "link text and url from anchor".
http://regexlib.com/UserPatterns.aspx?authorid=0bf8159c-d1b8-47c3-bd05-6590c1d16e9b

<a.+?href\=(?<link>.+?)(?=[>\s]).*?>(?<lnkText>.+?)</a>

Detta pattern fungerar utmärkt i "The regulator" men den fungerar inte när jag försöker exekvera den på min ASP sida. <link> varianten har jag inte sett tidigare. Är det den som inte stödjs i ASP?

.Pattern = "<a.+?href\=(?<link>.+?)(?=[>\s]).*?>(?<lnkText>.+?)</a>" 
'.Pattern = "(http://[^>]+|https://[^>]+|www[^>]+)"

Ger mig...

Microsoft VBScript runtime error '800a1399'
Syntax error in regular expression
/_inc_get_links.asp, line 46

>> Set myMatches = RegularExpressionObject.Execute(strHTML)

Vad kan jag göra för fel?

Du kollar på .NET kod eller rättare sagt: du kan inte ha sätta alias på dina matches i ASP. (?<link> exempelvis
Plocka bort de

Men den matchar inte på exempelvis: <a href=" dvs med " och '. så att du märker av det ser det också.

Antog att det var något sådant. :)
Nu ser min kod ut som nedan:

		Set RegularExpressionObject = New RegExp
		With RegularExpressionObject
			'DESCRIPTION... 
			.Pattern = "<a.+?href\=(.+?)(?=[>\s]).*?>(.+?)</a>" 
			.IgnoreCase = True
			.Global = True
		End With
	
		Set myMatches = RegularExpressionObject.Execute(strHTML)
		For Each myMatch In myMatches
			'REMOVE ANY " LEFT IN THE STRING...
			varItemCount = varItemCount +1 
			response.write("<li> Match = " &varItemCount &":  " &myMatch.Value &"<p>")  
		Next

Jag testar mot följande textstycke:

Before text <a href="http://mattias.nordin.net"> L< ink> text1</a>
after text Before text <a href="http://mattias.nordin.net">Link text2</a> after text 
dd <a href="www.mattias.nordin.net" title=" < test title">Link text4</a> ee 
ff <a href="www.mattias.nordin.net">Link text5</a> GG

Min output är följande:

Match = 1: L< ink> text1
Match = 2: Link text2
Match = 3: Link text4
Match = 4: Link text5

Det börjar alltså fungera hyffsat bra. Tackar för att du leder denna blinda man ;)
Det jag inte riktigt förstår är hur jag splittar myMatch.Value. Jag vill kunna hämta ut både URL och Länktexten.
Kan det vara så att URL = $1$2 och länktexten är $3 ?

Hur får jag ut dessa separerat? :stud

myMatch har ett som heter Submatches(integer)
där du vill ha $1 => 0 $2 => 2:

url = myMatch.SubMatches(0) & myMatch.SubMatches(1)
text =  myMatch.Submatches(2)

Du får härmed 28 virtuella credits av mig för hjälpen. Nu fungerar det till 99% som jag vill.

Det enda som jag inte har löst med mönstret nedan

.Pattern = "<a.+?href\=(.+?)(?=[>\s]).*?>(.+?)</a>"

är en länk med en html vinkel i länknamnet enligt...

<a href="http://mattias.nordin.net">test1<test2</a>

Men det kanske kan anses vara detaljer.

</a> => <\/a>
Men $1 kan vara "http://mattias.nordin.net" när du egentligen vill ha http://mattias.nordin.net

mönstret lite snabb test kanske skulle vara:

<a.+?href\=['"]?(.+?)(?=[>\s'"])['"]?.*?>(.+?)<\/a>