PowerShell正则提取网页链接时偶发“无法索引空数组”异常排查求助

你的代码抛出“Cannot index into null array”异常的核心原因很明确：当-match操作没有找到匹配项时，$matches会变成$null，这时候尝试访问$matches[1]自然就会报错。

具体来说，你的逻辑是先把下载的HTML内容按<a\s+（也就是实体化后的<a ）分割成数组，然后对每一段执行匹配。但并不是所有分割后的片段都包含href=属性——比如分割后的第一个片段可能是HTML开头到第一个<a 之前的内容，或者某些<a标签的格式不符合你写的正则（比如<a后面没有空格、href不是第一个属性、甚至是大写的<A），这些情况都会导致-match失败，$matches为空，进而触发索引错误。

1. 基础修复：先判断匹配是否成功 #

最简单的修复方式是在提取$matches[1]之前，先检查-match的结果是否为$true，只有匹配成功时才提取值：

$Download = $wc.DownloadString($Link)
$List = $Download -split "<a\s+" | ForEach-Object {
    if ($_ -match "^href=[`'`"]([^`'`">\s]*)") {
        $matches[1]
    }
}

这样就能跳过那些没有匹配到href的片段，避免空数组索引的问题。

2. 更稳健的方案：直接用正则匹配所有href #

其实你不需要先分割HTML内容，直接用Select-String结合正则表达式一次性匹配所有符合条件的href会更高效、更可靠，还能避免分割带来的边缘情况：

$Download = $wc.DownloadString($Link)
# 匹配所有<a>标签中的href属性，兼容单引号、双引号，以及href不是第一个属性的情况
$List = $Download | Select-String -Pattern '<a\s+[^>]*href=(["''])(.*?)\1' -AllMatches | 
        ForEach-Object { $_.Matches } | 
        ForEach-Object { $_.Groups[2].Value }

这个正则的优势：

• 匹配<a（不区分大小写的话可以加-CaseSensitive:$false）后面的任意属性，不管href是不是第一个
• 兼容用单引号或双引号包裹的href值
• 非贪婪匹配.*?避免匹配到超出引号的内容

3. 额外优化：处理HTML实体与相对链接 #

如果网页里的链接包含HTML实体（比如&），或者是相对路径，你可以再做一步处理：

# 处理HTML实体解码（PowerShell Desktop版）
$List = $List | ForEach-Object { [System.Web.HttpUtility]::HtmlDecode($_) }
# PowerShell Core版请用下面这行
# $List = $List | ForEach-Object { [System.Net.WebUtility]::HtmlDecode($_) }

# 把相对链接转为绝对链接（需要先确保$Link是绝对URL）
$baseUri = [Uri]$Link
$List = $List | ForEach-Object { [Uri]::new($baseUri, $_).AbsoluteUri }

内容的提问来源于stack exchange，提问作者stackingknowledge