Получение всех ссылок со страницы

[nibufep]

Добрый день!
Мне нужно получать все ссылки со страницы.
Составил такую регулярку:

<a href=("|'')(.*?)("|'')

Ну по мимо ссылок получаю различный мусор, на примере programmersforum

archive/index.php
#top
member.php?find=lastposter&f=26
showthread.php?do=markread&mark readhash=guest
index.php?
//ad.adriver.ru/cgi-bin/click.cgi?sid=162574&bn=1&bt=36&pz= 0&rnd=605902448

и др.

Как модифицировать регулярку чтобы избавится об мусора, и получать только полные ссылки, и ссылки вида

/index.php

автоматически преобразовывать в

site.ru/index.php

[Stilet]

<a href=("|'')(.*?)("|'').php$
Не?

[ДралсяСошибками]

В TRegExpr 0.952 есть модуль HyperLinksDecorator.pas, в нём реализован механизм разбора url на составные.

s := DecorateURLs(Text, [durlAddr, durlPath]); // www.programmersforum.ru/showthread.php?t=281565
s := DecorateURLs(Text, durlPath); // showthread.php?t=281565

[nibufep]

Сообщение от Stilet

<a href=("|'')(.*?)("|'').php$
Не?

так вообще не чего не получает.

[ResourceSpace]

• Ссылки могут быть не только в <A>;
• Ссылки могут генерироваться JavaScript'ом;
• Вы не указали откуда берётся текст и каким механизмом (модулем) вы выполняете регулярку;
• Одинарная кавычка не удваивается, это ошибка (если только это не экранирование для Делфи-строки);
• У вас обычная группа, а не смотрящая назад, она будет путаться в разных кавычках;

Беря за основу это: http://www.programmersforum.ru/showp...42&postcount=6 видоизменяем до этого:

/\<[aA](?:\s+[^\s]*?)*?(?:>(.*?)|\s+href=(?:([^'"\s]*?)|'(.*?)'|"(.*?)")(?:\s+[^\s]*?)*?>(.*?))<\/[aA](?:\s+[^\s]*?)*?>/g

Substitution: [URL=$2$3$4]$1$5[/URL]

Для RegExp (не поддерживающего "Группировка без обратной связи"):

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

Substitution: [URL=$5$6$7]$3$9[/URL]

Пробуйте.

Как модифицировать регулярку чтобы избавится об мусора, и получать только полные ссылки, и ссылки вида /index.php
автоматически преобразовывать в site.ru/index.php

Это уже ручками.