用C#2.0实现网络蜘蛛(WebSpider)

核心提示： 在getA方法中除了切换到状态0外，其他的状态切换都将已经读入的字符赋给String变量a，用C#2.0实现网络蜘蛛(WebSpider)(9)，如果最后发现变量a中的字符串不可能是后，就将a清空，在中正确的href属性格式有三种情况，这三种情况的主要区别是url两边的符号，并切换到状态0

在getA方法中除了切换到状态0外，其他的状态切换都将已经读入的字符赋给String变量a，如果最后发现变量a中的字符串不可能是后，就将a清空，并切换到状态0后重新读入字符。

在getA方法中使用了一个重要的方法getHref来从中获得href部分。getHref方法的实现如下：

getHref方法的实现

　//　从中获得Href
　　private　String　getHref(string　a)
　　{
　　try
　　{
　　string　p　=　@"href\s*=\s*('[^']*'|""[^""]*""|\S+\s+)";　//　获得Href的正则表达式
　　MatchCollection　matches　=　Regex.Matches(a,　p,
　　RegexOptions.IgnoreCase　|
　　RegexOptions.ExplicitCapture);
　　foreach　(Match　nextMatch　in　matches)
　　{
　　return　nextMatch.Value;　//　返回href
　　}
　　return　null;
　　}
　　catch　(Exception　e)
　　{
　　throw　e;
　　}
　　}

在getHref方法中使用了正则表达式从中获得href。在中正确的href属性格式有三种情况，这三种情况的主要区别是url两边的符号，如单引号、双引号或没有符号。这三种情况如下所示：

情况1： comprg