C#正则表达式通过HTML提取网页中的图片src
目前在做HoverTreeCMS项目中有处理图片的部分,参考了一下网上案例,自己写了一个获取内容中的图片地址的方法。
可以先看看效果:http://tool.hovertree.com/a/zz/img/
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:@"<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:@"<img\b[^<>]*?\bsrc\s*=\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\b[^<>]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']?[\s\t\r\n]*(?<imgUrl>[^\s\t\r\n""'<>]*)[^<>]*?/?[\s\t\r\n]*>"
下面写出取得HTML中所有图片地址的类HvtHtmlImage:
1 using System.Text.RegularExpressions; 2 3 namespace HoverTree.HoverTreeFrame.HvtImage 4 { 5 public class HvtHtmlImage 6 { 7 //效果 http://tool.hovertree.com/a/zz/img/ 8 /// <summary> 9 /// 取得HTML中所有图片的 URL。 10 /// </summary> 11 /// <param name="sHtmlText">HTML代码</param> 12 /// <returns>图片的URL列表</returns> 13 public static string[] GetHvtImgUrls(string sHtmlText) 14 { 15 // 定义正则表达式用来匹配 img 标签 16 Regex m_hvtRegImg = 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); 17 //参考:http://hovertree.com/hvtart/bjae/e4pya1x0.htm 18 19 20 // 搜索匹配的字符串 21 MatchCollection matches = m_hvtRegImg.Matches(sHtmlText); 22 int m_i = 0; 23 string[] sUrlList = new string[matches.Count]; 24 25 // 取得匹配项列表 26 foreach (Match match in matches) 27 sUrlList[m_i++] = match.Groups["imgUrl"].Value; 28 return sUrlList; 29 } 30 } 31 }
更多:http://hovertree.com/hvtart/bjae/r42fdvjj.htm
ASP.NET开源CMS http://www.cnblogs.com/sosoft/p/cms.html
开发技术文章收集 http://www.cnblogs.com/sosoft/p/kaifajishu.html
C#正则表达式通过HTML提取网页中的图片src相关推荐
- Delphi提取网页中的图片
无意中,在csdn论坛中看到关于"提取网页中的图片资源"的帖子,特摘抄之. simonhehe提供相关代码如下: procedure TfrmMain.DomImg2Image(w ...
- 利用正则表达式提取网页中Table内的数据
利用正则表达式提取网页中Table内的数据 using System; using System.Collections.Generic; using System.Linq; using Syste ...
- 正则表达式提取网页中的网址
正则表达式提取网页中的网址,并用匿名函数 #coding=utf-8 import res="https://www.baidu.com/message.asp?id=35" re ...
- HtmlParser提取网页中的纯文本信息
转载自 HtmlParser提取网页中的纯文本信息 HTMLParser 一个解析web页面的开源类库. 准备学习下搜索方面的技术,就学习了些网络爬虫的知识.最近一直在一个点上 ...
- 如何提取网页中的blob加密视频
如何提取网页中的blob加密视频 一.场景 一些网站的视频为了防止下载,通常会采用blob加密的做法,打开浏览器控制台F12后,是这样的: 视频网址:"blob:https://us.flu ...
- 一次性提取网页中所有图片的代码
一次性提取网页中所有图片的代码 打开有图片的网页,在地址栏中输入: javascript:Ai7Mg6P='';for%20(i7M1bQz=0;i7M1bQz<document.images. ...
- php提取网页mp3,怎么提取网页中的音乐|下载网页中的音乐 网页音乐提取工具及使用教程分享...
相信很多人都比较了解怎么下载网页上的视频吧,那么现在怎么提取网页中的音乐或者说怎么下载网页中的音乐 ,嗯~ o(* ̄▽ ̄*)o ,不懂的孩纸,路过走过不要错过啦,快来看看小编分享的网页音乐提取工具及使 ...
- 快速提取网页中的文字
有时需要提取网页中的文字.除了使用"复制+粘贴"的方法外,还有其他办法. 打开"https://www.easyscrape.xyz/"后,在 ...
- python提取网页中表格数据_Python2 BeautifulSoup 提取网页中的表格数据及连接
网址:http://quote.eastmoney.com/ce- 要做的是提取网页中的表格数据(如:板块名称,及相应链接下的所有个股,依然是个表格) 暂时只写了这些代码: import urllib ...
- python获取网页图片_python抓取网页中的图片示例
python抓取网页中的图片示例 代码如下: #coding:utf8 import re import urllib def getHTML(url): page = urllib.urlopen( ...
最新文章
- Spring Ioc 源码分析(一)--Spring Ioc容器的加载
- vc:如何从Internet上有效而稳定地下载文件
- int转string的3种方法
- ext grid 重新布局_如何让你的 CSS Grid 布局有良好的可访问性
- struts2的文件上传机制
- OpenInfra 基金会积极推动开源项目在中国市场的发展与应用
- python 监视文件目录
- 【报告分享】抖音蓝V账号定位及外化罗盘.pdf(附下载链接)
- .NET开发相关技术
- Mysql数据库远程授权
- 每日算法系列【LeetCode 357】计算各个位数不同的数字个数
- 《如何学商学》及听课感想
- TVS 瞬态抑制二极管如何选型?
- HTML5期末大作业:电影网站设计——电影泰坦尼克号(4页) HTML+CSS+JavaScript 学生HTML个人网页作业作品下载 个人网页设计制作 大学生个人网站作业模板 简单个人网页制作
- 基于Simulink模型的嵌入式代码生成与实际工程应用
- 用python对excel进行打印操作
- 计算机微博实验报告,网络信息交流的工具与模式(实验报告).doc
- 数学——行向量和列向量
- Quill编辑器操作实例详解
- VS Test: No connection could be made because the target machine actively refused it 127.0.0.1:6910
热门文章
- jvisualVm用法
- linux6.8屏幕黑屏,centos6.8笔记本关盖就黑屏怎样设置不黑屏?
- ffmpeg(8) AVIOContext II
- 视频不显示的分析方法
- Android studio 设置函数功能悬浮提示(鼠标放到上班提示参数和功能)
- mysqld和mysql区别_mysqld与mysqld_safe的区别
- java 解析xml报文解析_开源分布式中间件 DBLE Server.xml 配置解析
- 模拟微信发红包算法java实现
- python scikit learn 关闭开源_Python开源机器学习框架:Scikit-learn六大功能,安装和运行Scikit-learn...
- android for 语句,Android中消息循环