正则匹配页面所有A标签或Img标签

来源：互联网发布：千牛mac beta版编辑：程序博客网时间：2024/06/04 20:34

先贴一个匹配正则的方法供大家参考：

public static ArrayList CutStr(string sStr, string Patrn)        {            ArrayList al = new ArrayList();            try            {                Regex tmpreg = new Regex(Patrn, RegexOptions.Compiled);                MatchCollection sMC = tmpreg.Matches(sStr);                if (sMC.Count != 0)                {                    for (int i = 0; i < sMC.Count; i++)                    {                        al.Add(sMC[i].Groups[0].Value);                    }                }            }            catch (System.Exception ex)            {                Log.WriteLog("检查出错：Exception:" + ex.Message + "\r\nStackTrace:" + ex.StackTrace + "\r\n Rule:" + Patrn);            }            return al;        }

MatchCollection对象取Group的方法很好用。推荐！！

匹配页面所有A标签正则： <a.+?href=\"(.+?)\".*>(.+)</a>

这个只能匹配不换行的A。一换行就完蛋。换这个试试：<a[^>]+?href=\"([^\"]+)\"[^>]*>([^<]+)</a>

继续添加改进版本：可以匹配href后面跟单引号，双引号或者不跟符号的情况：

<a[^>]+?href=["']?([^"']+)["']?[^>]*>([^<]+)</a>

匹配页面所有Img标签正则： <img(.*?)>

在另一篇博文中看到一个关于正则匹配img标签的例子，贴过来看一下：

<img(?!.*?logo).*><img - 开头数据(?! - 负向预查后面的字符.*?贪婪匹配logo前面所有数据(?!.*?logo) - 意为匹配所有不包含logo.*> 则是 匹配所有换行前的>      -  此处不使用 .*? 进行贪婪主要是为了避免 alt="abc>" 这样中间出现> 字符的情况不过上面会出现个特例情况例如<img src="abc.jpg" alt="logo图片">  alt提示包含logo<img src="test.jpg" logo=1 >  自定义属性如果考虑这些情况，正则可以再细化到src位置<img(.*?)(src)=\"(?!.*?logo).*>

正则表达式基础教程：http://www.w3cschool.cc/regexp/regexp-tutorial.html

0 0