如何用正则过滤指定的html的代码？

Question

到GOOGLE上一找就一大堆。。
http://blog.csdn.net/laily/archive/2004/06/24/25872.aspx

Answer 1

landlordh(software) 和 xzq686(瞬) 两位兄弟的方法不行啊，没有完成这个转换。

Answer 2

问题就是这样的：
把img 图像链接中　带有onclick等javascript事件之类的杂项去掉，只留下最基本的属性。如这一段：
<IMG alt='' src='http://......./4_394.jpg' border=0  onclick='javascript:if(this.width>screen.width-333)this.width=screen.width-333' dypop='按此在新窗口浏览图片'> 经过正则表达式过滤过后，应变成<IMG alt='' src='http://......./4_394.jpg' border=0>现在就是求这个　正则表达式如何写

Answer 3

http://\S+.\S+ 出自ASP.net揭秘

Answer 4

imgstring="img  src=\"http://bbs.youhow.net/non-cgi/usr/4/4_394.jpg\" onclick=\"javascript:if(this.width>screen.width-333)this.width=screen.width-333\" border=0 dypop=\"按此在新窗口浏览图片\">";imgstring=System.Text.RegularExpressions.Regex.Replace(imgstring,@"<img [^<]*>","");是这样吗？
imgstring="<img  src=\"http://bbs.youhow.net/non-cgi/usr/4/4_394.jpg\" border=0>　
得不到这样的值啊

Answer 5

try something like
string s = "<IMG alt='' src='http://......./4_394.jpg' border=0  onclick='javascript:if(this.width>screen.width-333)this.width=screen.width-333' dypop='按此在新窗口浏览图片'>";
  s = Regex.Replace(s,@"<IMG\s+(((?<alt>alt=\S+)|(?<src>src=\S+)|(?<border>border=\S+)|\S*)\s*)*[^>]*>", "<IMG ${alt} ${src} ${border}>", RegexOptions.IgnoreCase);
  
ors = Regex.Replace(s,@"<IMG\s+(((?<alt>alt=('[^']*'|""[^""]*""|\S*))|(?<src>src=('[^']*'|""[^""]*""|\S*))|(?<border>border=('[^']*'|""[^""]*""|\S*))|\S*)\s*)*[^>]*>", "<IMG ${alt} ${src} ${border}>", RegexOptions.IgnoreCase);
 
  Console.WriteLine(s);

Answer 6

我确实看不懂。
思归老大：感谢你的帮助！不过刚才测试了一下，你的方法能让单个的<img >很完美的过滤掉其它杂项，可是只能过滤第一个啊，假如还有第二个<img .....>之类的，就会把后边的都给去掉了，要怎么改一下啊？

Answer 7

string s = "<IMG alt=\"\" src='http://......./4_39422.jpg' style=\"xxx:\" onclick='javascript:if(this.width>screen.width-333)this.width=screen.width-333' border=0><IMG alt='x' src='http://......./4_394.jpgx' border=012  onclick='javascript:if(this.width>screen.width-333)this.width=screen.width-333' dypop='按此在新窗口浏览图片234'>";
s = Regex.Replace(s,@"<IMG\s+(((?<alt>alt=('[^']*'|""[^""]*""|[^\s>]*))|(?<src>src=('[^']*'|""[^""]*""|[^\s>]*))|(?<border>border=('[^']*'|""[^""]*""|[^\s>]*))|(?<others>[^=<>]+=('[^']*'|""[^""]*""|[^\s>]*)))\s*)*[^>]*>", "<IMG ${alt} ${src} ${border}>", RegexOptions.IgnoreCase); Console.WriteLine(s);

Answer 8

saucer(思归)  so good ~~~楼主，你只想得到 <IMG.*> 里的标准html 吗(saucer的就可以了)？如果不是，那你要写的太多了,非常复杂!!!不推荐使用。记得前几天看了一个叫 htmlDom(好像是，记不起来什么名了) 的类库挺不错的，
可以先转成 DOM 结构的然后对其节点进行重新组合

Answer 9

完美！！！
比着画了一个　
s= Regex.Replace(s,@"<A\s+(((?<title>title=('[^']*'|""[^""]*""|[^\s>]*))|(?<href>href=('[^']*'|""[^""]*""|[^\s>]*))|(?<target>target=('[^']*'|""[^""]*""|[^\s>]*))|(?<others>[^=<>]+=('[^']*'|""[^""]*""|[^\s>]*)))\s*)*[^>]*>", "<A ${title} ${href} ${target}>", RegexOptions.IgnoreCase);谢谢思归老大帮忙！
我是用这个来完成论坛发贴时处理来自粘贴其它处的网页的
http://www.chinasf.net/bbs