正則表達式： 關於 <a></a> 的通用正則表達式
1． 普通的 <a> 元素；希望得到其中的 TEXT 以及 URL 信息；
注意： 下面寫法不正確：
<a .*?href=(?<quot>["']?)(?<url>.+?\k<quot>.*>(?<text>.+?)</a>
對於以下這種情形：
<a href=/website/index.htm >…</a>
也就是說沒有引號的情形：不能試圖通過匹配 “空”， 來對其進行反向引用；因爲“空”實際上可以在任何位置達到匹配；例如，對於上述情形，它實際上在 第一個“/”後面就取得了匹配；然後 URL 會返回“/”；
所以對這種連接形式，要對HREF的“末尾標籤”的位置信息加上約束；（末尾標籤分爲3種：” , ‘ , 空 ）。也就是說HREF的末尾，要麼直接爲TAG右標籤“>”，要麼必定爲一個空格，其後再跟 .*> 形式；這樣一來，正則表達式匹配的時候，即便碰到“空標籤”它也得保證右邊跟一個“>”或跟一個“ ”（空格），才形成匹配；
所以正確的改進形式應該爲：
<a .*?href=(?<quot>["']?)(?<value>.+?)\k<quot>(>| .*?>)(?<text>.+?)</a>
注意紅色的部分：表明對HREF的結尾處做約束。
注意！爲了正確匹配，不要用 .* 作爲非限制字符的表達方式！要用 [^>] 也就是禁止右標籤！
最終應該改進爲：
<a [^>]*?href=(?<quot>["']?)(?<value>[^>]+?)\k<quot>(>| [^>]*?>)(?<text>.+?)</a>
2． 對於有特定限制的 <a> 元素：例如：取得“數字”連接：
原來是採取如下形式
<a .*?href=(?<quot>[""']?)(?<value>[^"']+?)\k<quot>[^>]*?>\d</a>
這種形式不但戎餘，而且碰到HREF的首尾空標籤後，也會發生第一種情形引發的錯誤。
現在，首先我們改進成兼容第一種模式的表達式：
<a .*?href=(?<quot>["']?)(?<value>.+?)\k<quot>(>| .*?>)\d+</a>
改成這種形式後：
例如：有文本：
<div class="fenye">
<div class="Picpagein"><div class="Pagediv">
<span>
<a href="http://weblogs.asp.net/woman/nvbj/qcqbj/2008061616632.htm" mce_href="http://weblogs.asp.net/woman/nvbj/qcqbj/2008061616632.htm"><b>1</b></a>
<a href=”/woman/nvbj/qcqbj/2008061616632_2.htm”>2</a>
</span>
<div class="pagein">
<a href="http://weblogs.asp.net/woman/nvbj/qcqbj/2008061616632_2.htm" mce_href="http://weblogs.asp.net/woman/nvbj/qcqbj/2008061616632_2.htm">下一頁>></a>
</div></div></div></div>
採用改進後的初始REGEX ， 則匹配 URL （也就是HERF中的內容）結果會爲：
/woman/nvbj/qcqbj/2008061616632.htm"><b>1</b></a>
<a href=”/woman/nvbj/qcqbj/2008061616632_2.htm
也就是說：它會從“2”之前的第一個 “””作爲“尾標籤，把其中內容全部包括進去；
其實解決方法也很簡單：只要禁止HREF的內容部分中出現任何一個TAG開始標記“<”就可以了，所以改進後爲：
<a [^>]*?href=(?<quot>["']?)(?<value>[^>]+?)\k<quot>(>| [^>]*?>)\d+</a>