您所在位置：主题：[讨论]基于正则表达式的网页过滤，求助！
zhangzilun
[专家分：0] 发布于 2009-11-04 16:32:00
目前在做一个简单的网络爬虫，但是在URL过滤这里遇到点麻烦 希望大家帮我解决一下，谢谢了！
1.先从网页的源码中，把所有herf后面的URL地址提取出来，必须是以http开头的地址
2.在提取出来的URL地址中，保留满足这个正则表达式（http://companyadc\.51job\.com/companyads/2\d{3}/\w{2,6}/\w*\d{4}_\d{4}/index\.htm）的URL，其他的删除。
请问这2个步骤用C#分别应该怎么实现啊？
谢谢了！[em2]
1.先从网页的源码中，把所有herf后面的URL地址提取出来，必须是以http开头的地址
2.在提取出来的URL地址中，保留满足这个正则表达式（http://companyadc\.51job\.com/companyads/2\d{3}/\w{2,6}/\w*\d{4}_\d{4}/index\.htm）的URL，其他的删除。
请问这2个步骤用C#分别应该怎么实现啊？
谢谢了！[em2]