C# 正則匹配 HTML 鏈接：優化 Regex 處理 href 中的空白字符

問題現象

原始正則 href=(['\""]?)(?<url>[^'\"\"\\s>]+) 無法匹配含空格的 URL（如 href=\" https://example.com \"），導致提取失敗。

優化後的正則

Regex reg = new Regex(@"(?is)<a[^>]*?href=(['\""]?)(\s*?<url>[^'\"\"\\s>]+)\1[^>]*>(?<text>(?:(?!</?a\b).)*)</a>");

關鍵改動：在捕獲組前加入 \\s*? 匹配可選空白字符（空格、換行、Tab）。

完整提取範例

string html = "<a href=\"  https://test.com \">Link</a>";
Regex reg = new Regex(@"(?is)<a[^>]*?href=(['\""]?)\s*(?<url>[^'\"\"\\s>]+)\1[^>]*>(?<text>.*?)</a>");
MatchCollection mc = reg.Matches(html);
foreach (Match m in mc) {
    Console.WriteLine("URL: " + m.Groups["url"].Value.Trim());
    Console.WriteLine("Text: " + m.Groups["text"].Value.Trim());
}

最佳實踐建議

• 解析 HTML 建議使用 HtmlAgilityPack 或 AngleSharp 等專用庫，比正則更健壯、可維護。
• 正則對巢狀標籤、屬性順序變化、單雙引號混用等情況容易失效。
• 若必須用正則，請充分測試邊界案例（空屬性、實體編碼、跨行等）。