C#正则表达式匹配HTML中的图片路径
来源:互联网 发布:医学数据挖掘 编辑:程序博客网 时间:2024/06/06 03:46
C#正则表达式匹配HTML中的图片路径(图片地址)
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。
/// <summary> /// 取得HTML中所有图片的 URL。 /// </summary> /// <param name="sHtmlText">HTML代码</param> /// <returns>图片的URL列表</returns> public static string[] GetHtmlImageUrlList(string sHtmlText) { // 定义正则表达式用来匹配 img 标签 Regex regImg = new Regex(@"<img\b[^<>]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']?[\s\t\r\n]*(?<imgUrl>[^\s\t\r\n""'<>]*)[^<>]*?/?[\s\t\r\n]*>", RegexOptions.IgnoreCase); // 搜索匹配的字符串 MatchCollection matches = regImg.Matches(sHtmlText); int i = 0; string[] sUrlList = new string[matches.Count]; // 取得匹配项列表 foreach (Match match in matches) sUrlList[i++] = match.Groups["imgUrl"].Value; return sUrlList; }
- C#正则表达式匹配HTML中的图片路径
- C#正则表达式匹配HTML中的图片路径
- 用 C# 的正则表达式匹配 HTML 中的图片地址
- 用 C# 的正则表达式匹配 HTML 中的图片地址 (转的)
- 正则表达式—HTML中的匹配
- 正则表达式匹配 html 中的转义字符
- php正则之匹配图片中的路径
- 正则表达式匹配HTML
- C#匹配HTML中的图片地址
- 获取html 中的所有图片 正则表达式
- C#正则表达式 匹配
- C#正则表达式 匹配磁盘路径和文件名
- 正则表达式匹配Html代码中图片路劲
- 匹配路径的正则表达式
- 正则表达式匹配HTML内容
- 正则表达式匹配Html标签
- 正则表达式提取HTML文本中的图片图片
- 格式化贴子内容中的图片路径(正则表达式)
- 创业七字诀——专注 极致 口碑 快
- 解决waiting for jockey-backend to exit
- 在jsp获取客户端的IP地址工具方法
- Android高手进阶教程(十七)之---Android中Intent传递对象的两种方法(Serializable,Parcelable)!
- Linux库相关知识
- C#正则表达式匹配HTML中的图片路径
- Eclipse中10个最有用的快捷键组合
- UTC时间与北京时间
- js 之 父窗口获取弹出子窗口的输入框Value
- 【Android】使用msysgit编译Android下的C文件
- C#语法糖(Csharp Syntactic sugar)大汇总
- Built-In Functions of VB Script
- iPhone/iPad开发扎记 2012/02/09
- 使用workbench进行在线调试