在getA方法中除了切換到狀態0外，其他的狀態切換都將已經讀入的字符賦給String變量a，如果最後發現變量a中的字符串不可能是後，就將a清空，並切換到狀態0後重新讀入字符。
在getA方法中使用了一個重要的方法getHref來從中獲得href部分。getHref方法的實現如下：
getHref方法的實現
// 從中獲得Href
private String getHref(string a)
{
try
{
string p = @"href\s*=\s*('[^']*'|""[^""]*""|\S+\s+)"; // 獲得Href的正則表達式
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方法中使用了正則表達式從中獲得href。在中正確的href屬性格式有三種情況，這三種情況的主要區別是url兩邊的符號，如單引號、雙引號或沒有符號。這三種情況如下所示：
情況1：comprg
情況2：comprg
情況3：comprg
getHref方法中的p存儲了用於過濾這三種情況的href，也就是說，使用正則表達式可以獲得上述三種情況的href如下：
從情況1獲得得的href：href = "http://www.comprg.com.cn"
從情況2獲得得的href：href = 'http://www.comprg.com.cn'
從情況3獲得得的href：href = http://www.comprg.com.cn
在獲得上述的href後，需要將url提出來。這個功能由getUrl完成，這個方法的實現代碼如下：
getUrl方法的實現
// 從href中提取url
private String getUrl(string href)
{
try
{
if (href == null) return href;
int n = href.IndexOf('='); // 查找'='位置
String s = href.Substring(n + 1);
int begin = 0, end = 0;
string sign = "";
if (s.Contains("\"")) // 第一種情況
sign = "\"";
else if (s.Contains("'")) // 第二種情況
sign = "'";
else // 第三種情況
return getFullUrl(s.Trim());
begin = s.IndexOf(sign);
end = s.LastIndexOf(sign);
return getFullUrl(s.Substring(begin + 1, end - begin - 1).Trim());
}
catch (Exception e)
{
throw e;
}
}
在獲得url時有一點應該注意。有的url使用的是相對路徑，也就是沒有“http://host”部分，但將url保存時需要保存它們的完整路徑。這就需要根據相對路徑獲得它們的完整路徑。這個功能由getFullUrl方法完成。這個方法的實現代碼如下：
