C#
正则表达式匹配HTML中的
图片路径，
图片地址 最近的项目中有个关于网页取图的功能需要我自己开发，那就是用正则表达式来匹配图片标签。 一般来说一个 HTML 文档有很多标签，比如“”、“”、“
”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。
![]()
![]()
这一些标签不用考虑，因为没有图片资源地址。
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：@"]*)\s*/?\s*>"
因为 img 和 src 之间可能会有其他的参数，所以“”这样的符号，所以要改写前面的正则表达式：@"]*?\bsrc\s*=\s*[""']?\s*(?[^\s""'<>]*)[^<>]*?/?\s*>"
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：@"]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']?[\s\t\r\n]*(?[^\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。
/// /// 取得HTML中所有图片的 URL。 /// /// HTML代码
/// 图片的URL列表 public static string[] GetHtmlImageUrlList(string sHtmlText) { // 定义正则表达式用来匹配 img 标签 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); // 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; }
延伸阅读
- 2010-12-9-- 正则表达式匹配,MySQL 字符串模式匹配 扩展正则表达式模式匹配
- 2010-12-9-- 正则表达式匹配,正则表达式匹配 非XXX的行
- 2010-12-9-- 正则表达式匹配,VBscript 的正则表达式 字符串匹配
- 2010-12-9-- 正则表达式匹配,常用的匹配正则表达式和实例
- 2010-12-9-- 正则表达式匹配,一个匹配形如"#100 的正则表达式
- 2010-12-9-- 正则表达式匹配,正则表达式匹配中文与双字节的代码
- 2010-12-9-- 正则表达式匹配,JS 正则表达式的位置匹配
- 2010-12-9-- 正则匹配,正则匹配的test函数
- 2010-12-9-- 正则表达式匹配,正则表达式,只匹配一次下化线！
- 2010-12-9-- 正则匹配中文,匹配中文的正则（GB2312/utf-8）
最新评论