博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
C#正则表达式匹配HTML中的图片路径,图片地址
阅读量:7083 次
发布时间:2019-06-28

本文共 1979 字,大约阅读时间需要 6 分钟。

 原文

一般来说一个 HTML 文档有很多标签,比如“<html>”、“<body>”、“<table>”等,想把文档中的 img 标签提取出来并不是一件容易的事。由于 img 标签样式变化多端,使提取的时候用程序寻找并不容易。于是想要寻找它们就必须写一个非常健全的正则表达式,不然有可能会找得不全,或者找出来的不是正确的 img 标签

我们可以从 HTML 标签的格式去想应该怎么建这个正则表达式。首先要想一下 img 标签有几种写法,忽略大小写不看的话,下面列出 img 标签可能出现的几种情况。
<img> <img/> <img src=/>
这一些标签不用考虑,因为没有图片资源地址。
<img src = /images/pic.jpg/ > <img src =" /images/pic.jpg" > <img src= '/images/pic.jpg ' / >
这一些标签都有图片资源地址,另外还有一个特点就是有引号对,可能为单引号,也可能为双引号。因为不需要同时匹配引号对,所以正则表达式可以这么写:@"<img\s*src\s*=\s*[""']?\s*(?[^\s""'<>]*)\s*/?\s*>"
<img width="320" height="240" src=/images/pic.jpg onclick="window.open('/images/pic.jpg')">
因为 img 和 src 之间可能会有其他的参数,所以“<img”要有个单词结束,比如说不能是“<imgabc”,同样 src 前面也是一样,使用单词结束符“\b”有一个好处就是省去了表示空格的“\s*”。另外由于 img 标签中不可以出现“<”、“>”这样的符号,所以要改写前面的正则表达式:@"<img\b[^<>]*?\bsrc\s*=\s*[""']?\s*(?<imgUrl>[^\s""'<>]*)[^<>]*?/?\s*>"
<img width="320" height="240" src = "
/images/pic.jpg" />
像这种可能会用回车符折行的问题有时候会出现,所以在有空格分开的地方要包含回车换行和 TAB 字符,另外在图片地址中不能出现空格、TAB、回车和换行字符。所以上面的正则表达式可以改成:@"<img\b[^<>]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']?[\s\t\r\n]*(?<imgUrl>[^\s\t\r\n""'<>]*)[^<>]*?/?[\s\t\r\n]*>"
下面写出取得HTML中所有图片地址的静态方法。

1 ///  2         /// 取得HTML中所有图片的 URL。 3         ///  4         /// HTML代码 5         /// 
图片的URL列表
6 public static string[] GetHtmlImageUrlList(string sHtmlText) 7 { 8 // 定义正则表达式用来匹配 img 标签 9 Regex regImg = new Regex(@"
<>]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']?[\s\t\r\n]*(?
[^\s\t\r\n""'<>]*)[^<>]*?/?[\s\t\r\n]*>", RegexOptions.IgnoreCase);10 11 // 搜索匹配的字符串12 MatchCollection matches = regImg.Matches(sHtmlText);13 14 int i = 0;15 string[] sUrlList = new string[matches.Count];16 17 // 取得匹配项列表18 foreach (Match match in matches)19 sUrlList[i++] = match.Groups["imgUrl"].Value;20 21 return sUrlList;22 }

 

 

 

 

转载于:https://www.cnblogs.com/ymj126/archive/2012/06/18/2553669.html

你可能感兴趣的文章
改变tableView的背景
查看>>
ansible批量管理远程服务器
查看>>
搭建网页邮件服务器
查看>>
CSS的选择器
查看>>
本人暂时没有文章
查看>>
Oracle用户权限表的管理方法
查看>>
你应该知道的原型图工具Mockplus(摩客)
查看>>
linux
查看>>
从iOS 11看怎样设计APP图标
查看>>
面试:进程调度的任务、机制和方式
查看>>
终于注册好博客了,兴奋
查看>>
我的友情链接
查看>>
mysql批量insert
查看>>
位图图像处理控件ImageCapture Suite更新至v9.1
查看>>
Oracle常用命令
查看>>
我的友情链接
查看>>
spring 工具类简介02
查看>>
I/O基础理论
查看>>
大型网站技术架构的演进
查看>>
使用Apache Tiles3.x构建界面布局(二)
查看>>