zoukankan      html  css  js  c++  java
  • 用正则表达式来匹配图片标签

    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:@"<imgs*srcs*=s*[""']?s*(?[^s""'<>]*)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“”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:@"<img[^<>]*?srcs*=s*[""']?s*(?<imgUrl>[^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:@"<img[^<>]*? src[s ]*=[s ]*[""']?[s ]*(?<imgUrl>[^s ""'<>]*)[^<>]*?/?[s ]*>"

    下面写出取得HTML中所有图片地址的静态方法。

            /// <summary>
            /// 取得HTML中所有图片的 URL。
            /// </summary>
            /// <param name="sHtmlText">HTML代码</param>
            /// <returns>图片的URL列表</returns>
            public static string[] GetHtmlImageUrlList(string sHtmlText)
            {
                // 定义正则表达式用来匹配 img 标签
                Regex regImg = new Regex(@"<img[^<>]*?src[s ]*=[s ]*[""']?[s ]*(?<imgUrl>[^s ""'<>]*)[^<>]*?/?[s ]*>", 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。

  • 相关阅读:
    「Baltic2015」Network
    noip模拟赛 蒜头君的排序
    noip模拟赛 蒜头君的兔子
    codevs2171 棋盘覆盖
    noip模拟赛 蒜头君的坐骑
    noip模拟赛 蒜头君的树
    noip模拟赛 蒜头君打地鼠
    noip模拟赛 密码
    noip模拟赛 轰炸
    noip模拟赛 毁灭
  • 原文地址:https://www.cnblogs.com/wahaccp/p/3369812.html
Copyright © 2011-2022 走看看