canopy facebook:C# 正则表达式匹配 HTML 中的图片地址

来源：百度文库 编辑：中财网 时间：2024/04/29 03:32:46
最近的网站项目中有个关于网页取图的功能需要我自己开发，在查找了一大堆资料之后，终于得到了一个最好的方案，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“<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：@"]*)\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：@"]*?\bsrc\s*=\s*[""']?\s*(?[^\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：@"]*?\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;
}

该方法返回一个字符串数组，存放的就是从 sHtmlText 字符串中取得的图片地址列表。

怎么写匹配一个HTML标签的正则表达式？ 关于C#中的一个正则表达式的问题。 正则表达式能否动态匹配？ 如何使用正则表达式匹配汉字 求一些C#的正则表达式 求一些C#的正则表达式！ 如何用正则表达式匹配aabb型的字符串 怎样用C#做一个蜘蛛搜索引擎（使用正则表达式） 正则表达式 谁能帮我解释一下正则表达式中贪婪匹配和非贪婪匹配的用法？ 请问什么是程序设计语言中的正则表达式和BNF表示法？ 请教一个untraedit里的搜寻正则表达式，匹配3个字母的单词 正则表达式匹配<img…>或<img …this.width…> 正则表达式匹配<img…>或<img …this.width…> 【请教高手】C#中使用正则表达式进行字符替换的问题 如何使用正则表达式 java正则表达式是什么意思？ 什么是正则表达式 求正则表达式 正则表达式库文件 关于 正则表达式 正则表达式 问题 求正则表达式？ php正则表达式问题