C#正则表达式提取HTML中IMG标签的SRC地址(转)
一般來說一個(gè) HTML 文檔有很多標(biāo)簽，比如“<html>”、“<body>”、“<table>”等，想把文檔中的 img 標(biāo)簽提取出來并不是一件容易的事。由于 img 標(biāo)簽樣式變化多端，使提取的時(shí)候用程序?qū)ふ也⒉蝗菀住Ｓ谑窍胍獙ふ宜鼈兙捅仨殞懸粋€(gè)非常健全的正則表達(dá)式，不然有可能會(huì)找得不全，或者找出來的不是正確的 img 標(biāo)簽。
我們可以從 HTML 標(biāo)簽的格式去想應(yīng)該怎么建這個(gè)正則表達(dá)式。首先要想一下 img 標(biāo)簽有幾種寫法，忽略大小寫不看的話，下面列出 img 標(biāo)簽可能出現(xiàn)的幾種情況。
<img> <img/> <img src=/>?
這一些標(biāo)簽不用考慮，因?yàn)闆]有圖片資源地址。?
<img src = /images/pic.jpg/ > <img src =" /images/pic.jpg" > <img src= '/images/pic.jpg ' / >
這一些標(biāo)簽都有圖片資源地址，另外還有一個(gè)特點(diǎn)就是有引號(hào)對(duì)，可能為單引號(hào)，也可能為雙引號(hào)。因?yàn)椴恍枰瑫r(shí)匹配引號(hào)對(duì)，所以正則表達(dá)式可以這么寫：@"<img\s*src\s*=\s*[""']?\s*(?[^\s""'<>]*)\s*/?\s*>"
<img width="320" height="240" src=/images/pic.jpg οnclick="window.open('/images/pic.jpg')">
因?yàn)?img 和 src 之間可能會(huì)有其他的參數(shù)，所以“<img”要有個(gè)單詞結(jié)束，比如說不能是“<imgabc”，同樣 src 前面也是一樣，使用單詞結(jié)束符“\b”有一個(gè)好處就是省去了表示空格的“\s*”。另外由于 img 標(biāo)簽中不可以出現(xiàn)“<”、“>”這樣的符號(hào)，所以要改寫前面的正則表達(dá)式：@"<img\b[^<>]*?\bsrc\s*=\s*[""']?\s*(?<imgUrl>[^\s""'<>]*)[^<>]*?/?\s*>"
<img width="320" height="240" src = "?
/images/pic.jpg" />?
像這種可能會(huì)用回車符折行的問題有時(shí)候會(huì)出現(xiàn)，所以在有空格分開的地方要包含回車換行和 TAB 字符，另外在圖片地址中不能出現(xiàn)空格、TAB、回車和換行字符。
所以上面的正則表達(dá)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]*>"
下面寫出取得HTML中所有圖片地址的靜態(tài)方法。
?當(dāng)然，我們有時(shí)候只是想取這個(gè) img 標(biāo)簽的 src 地址，正則里的“括號(hào)”會(huì)取出這一塊我們需要的東西，那如何取出呢？這里我寫個(gè)自己的提取方法，可能不夠健壯，只是為了說明下用法而已：
/// <summary>/// 正則表達(dá)式提取HTML內(nèi)容中 IMG 標(biāo)簽的 SRC 地址，只取第一個(gè)匹配地址，可能為空字符串/// </summary>/// <param name="pModel"></param>/// <returns>地址，可能為空（未找到匹配）</returns>public static string ArticleImgSrc(this Tb_Article pModel){string value = string.Empty;string aContent = pModel.ArticleContent;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);MatchCollection matches = regImg.Matches(aContent);if (matches.Count > 0 && matches[0].Groups.Count > 1){ value = matches[0].Groups[1].Value;}return value;}?
轉(zhuǎn)載于:https://www.cnblogs.com/3Tai/p/3626026.html
總結(jié)
以上是生活随笔為你收集整理的C#正则表达式提取HTML中IMG标签的SRC地址(转)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 生活杂记篇一
- 下一篇： [转]android-学习笔记之按钮事件