我正在寻找一个正则表达式，以分离img的src值。 （我知道这不是最好的做法，但这是我在这种情况下必须要做的）
我有一个包含简单HTML代码、一些文本和一个图像的字符串。我需要从该字符串中获取src属性的值。到目前为止，我只能够分离整个标签。
string matchString = Regex.Match(original_text, @"(<img([^>]+)>)").Value;
8个回答
53
string matchString = Regex.Match(original_text, "<img.+?src=[\"'](.+?)[\"'].*?>", RegexOptions.IgnoreCase).Groups[1].Value;
- Hinek
5
1如果Src是Image的第一个属性，这个正则表达式才能起作用。如果Src位于ID或其他属性之后，则无法工作。 - Unknown Coder
2@ShreekumarS 为什么？在 img 和 src 之间有一个
.+?，所以可能会有各种字符... - Hinek3иҝҷдёӘжІЎй—®йўҳгҖӮ
Regex.Match(original_text, "<img.*?src=[\"'](.+?)[\"'].*?>", RegexOptions.IgnoreCase).Groups[1].Value; пјҲзҝ»иҜ‘з»“жһңпјҡиҝҷж®өд»Јз ҒжӯЈеёёе·ҘдҪңгҖӮпјү - Unknown Coder我会让它变得更加贪婪，使用<img.*src="'["'].*>而不是.+？，特别是对于最后一个，否则您总是需要至少1个字符。如果他们在src属性之后立即关闭img标记，则可能不存在该字符。 - Christophe Geers
把这个表达式写得太贪婪了不是一个好主意，如果有多个img元素怎么办？你的表达式可能会将所有这些元素作为一个匹配捕获。但你对我的表达式结尾的修改是正确的，我将其改为.*?以允许元素在src属性之后结束。第一个.+?仍然是正确的，img和src之间必须至少有一个字符：空格... - Hinek
15
我知道你说必须使用正则表达式，但如果可能的话，我真的希望给这个开源项目一个机会：HtmlAgilityPack
它非常易于使用，我刚刚发现它并且它已经帮助了我很多，因为我正在做一些比较复杂的HTML解析。它基本上允许你使用XPath获取元素。
他们的示例页面有点过时，但API非常容易理解，如果您稍微熟悉XPath，您将在短时间内掌握它。
您的查询代码大致如下（未编译的代码）：
List<string> imgScrs = new List<string>();
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(htmlText);//or doc.Load(htmlFileStream)
var nodes = doc.DocumentNode.SelectNodes(@"//img[@src]"); s
foreach (var img in nodes)
{
HtmlAttribute att = img["src"];
imgScrs.Add(att.Value)
}
- Francisco Noriega
1
我尝试过这个，但是看起来 HtmlAgilityPack 的 API 已经改变了。我已经在这个问题的帖子里发布了一种替代解决方案。 - eflles
7
我尝试了Francisco Noriega建议的方法，但似乎HtmlAgilityPack的API已经被修改了。以下是我的解决办法：
List<string> images = new List<string>();
WebClient client = new WebClient();
string site = "http://www.mysite.com";
var htmlText = client.DownloadString(site);
var htmlDoc = new HtmlDocument()
{
OptionFixNestedTags = true,
OptionAutoCloseOnEnd = true
};
htmlDoc.LoadHtml(htmlText);
foreach (HtmlNode img in htmlDoc.DocumentNode.SelectNodes("//img"))
{
HtmlAttribute att = img.Attributes["src"];
images.Add(att.Value);
}
- eflles
2
2你应该在
SelectNodes 调用中真的放入 //img[@src]（或在获取att.Value之前检查其是否存在）。并且要么检查结果是否为null，要么在SelctNodes调用中添加 ?? new HtmlNodeCollection(null);。否则，你会收到 NullReferenceException。 - jessehouwing1你可以编辑原始答案，删除其中包含的错误，而不是添加新答案。 - jessehouwing
3
这应该捕获所有的img标签，只需src部分，无论它在哪里（在class之前或之后等），并支持html/xhtml :D
<img.+?src="(.+?)".+?/?>
- Fabian
2
您需要的正则表达式应该是这样的：
希望这能帮到你。
正则表达式应该如下：
(<img.*?src="([^"])".*?>)
希望这能帮到你。
- Niet the Dark Absol
1
你也可以使用后顾之忧来完成它，而无需提取出一个组
(?<=<img.*?src=")[^"]*
记得在必要时转义引号
- Seattle Leonard
0
这是我用来从字符串中获取标签的方法：
</? *img[^>]*>
- TheTC
-1
这是我使用的一个:
<img.*?src\s*?=\s*?(?:(['"])(?<src>(?:(?!\1).)*)\1|(?<src>[^\s>]+))[^>]*?>
好的一点是它与以下任何一个匹配：
<img src='test.jpg'>
<img src=test.jpg>
<img src="test.jpg">
它还可以匹配一些意外情况，比如额外的属性，例如:
<img src = "test.jpg" width="300">
- David Niki
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接