C#正则表达式提取HTML中IMG标签的SRC地址(转)
一般來說一個 HTML 文檔有很多標簽，比如“<html>”、“<body>”、“<table>”等，想把文檔中的 img 標簽提取出來并不是一件容易的事。由于 img 標簽樣式變化多端，使提取的時候用程序尋找并不容易。于是想要尋找它們就必須寫一個非常健全的正則表達式，不然有可能會找得不全，或者找出來的不是正確的 img 標簽。
我們可以從 HTML 標簽的格式去想應該怎么建這個正則表達式。首先要想一下 img 標簽有幾種寫法，忽略大小寫不看的話，下面列出 img 標簽可能出現的幾種情況。
<img> <img/> <img src=/>?
這一些標簽不用考慮，因為沒有圖片資源地址。?
<img src = /images/pic.jpg/ > <img src =" /images/pic.jpg" > <img src= '/images/pic.jpg ' / >
這一些標簽都有圖片資源地址，另外還有一個特點就是有引號對，可能為單引號，也可能為雙引號。因為不需要同時匹配引號對，所以正則表達式可以這么寫：@"<img\s*src\s*=\s*[""']?\s*(?[^\s""'<>]*)\s*/?\s*>"
<img width="320" height="240" src=/images/pic.jpg οnclick="window.open('/images/pic.jpg')">
因為 img 和 src 之間可能會有其他的參數，所以“<img”要有個單詞結束，比如說不能是“<imgabc”，同樣 src 前面也是一樣，使用單詞結束符“\b”有一個好處就是省去了表示空格的“\s*”。另外由于 img 標簽中不可以出現“<”、“>”這樣的符號，所以要改寫前面的正則表達式：@"<img\b[^<>]*?\bsrc\s*=\s*[""']?\s*(?<imgUrl>[^\s""'<>]*)[^<>]*?/?\s*>"
<img width="320" height="240" src = "?
/images/pic.jpg" />?
像這種可能會用回車符折行的問題有時候會出現，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空格、TAB、回車和換行字符。
所以上面的正則表達式可以改成：@"<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方法。
?當然，我們有時候只是想取這個 img 標簽的 src 地址，正則里的“括號”會取出這一塊我們需要的東西，那如何取出呢？這里我寫個自己的提取方法，可能不夠健壯，只是為了說明下用法而已：
/// <summary>/// 正則表達式提取HTML內容中 IMG 標簽的 SRC 地址，只取第一個匹配地址，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;}?
轉載于:https://www.cnblogs.com/3Tai/p/3626026.html
總結
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)的全部內容，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