Возможно ли отфильтровать ссылки по критериям?

[Dexio]

Задача. Get запрос берет ссылки для страницы, для парсинга. Ссылки по регексу не вытащить. Мне для понимания логики в данном вопросе.
Как вообще в таком случае грамотно дальше поступать, чтобы достать именно нужные мне ссылки по моему формату?

Ссылки мне нужны например https://morakame.ru/shima/runama-tikiraki-3-8-l-viis-1212-duha-4420393.html
такие, а на странице естественно есть внутренние, внешние на партнеров и тп. Разные домены еще, и внутренне не удалить по принципу "всегда 5 в конце". Они в середине бывают и домены меняются.

 

[Nord]

Все так размыто, что ничего конкретного, кроме посмотреть в сторону xpath посоветовать не могу

 

[orka13]

ТС наверное ищет как спарсить на странице донора все ссылки именно на другие страницы донора. И абсолютные, и относительные, но ВНУТРЕННИЕ.
Там не простой алгоритм, если нужно идеальный результат получить. Может есть какая-то готовая библиотека, я не нашел, придумал вот такую схему:
1. Сначала еще до обработки надо проверить не было ли редиректа во время гет-запроса, и если был, то считать хостом донора не только стартовый домен, но и домен после редиректа. Так как в коде могут быть абсолютные ссылки как с новым доменом, так и со старым. Если ссылка паникодовская, то добавляем сюда еще вариации с «Punnycoded».
2. Потом уже прогоняем все ссылки со страницы (парсим через HtmlAgilityPack.dll) по всяким условиям. Типа если ссылка абсолютная, то сравнивает содержит ли хост из первого шага. Если относительная, то клеем к ней хост из первого шага. И потом добавляем в финальный список.

 

[Dimionix]

Ссылки по регексу не вытащить.

Такие регулярки не подойдут?

https://morakame\.ru/shima/.*?-\d+\.html

https://morakame\.ru/.*?-\d+\.html