求c# 正则获取网页图片

Question

本帖最后由 bigsea_99 于 2010-05-31 11:32:10 编辑

Answer 1

MatchCollection mc = Regex.Match(html,@"(?is)(?<=<img src=(['""])?)(https?)?[^""]+(?:jpg|png|gif)(?=\1)");
foreach(Match m in mc)
{
    //m.Value;
}如果不限制扩展名。MatchCollection mc = Regex.Match(html,@"(?is)(?<=<img src=(['""])?)(https?)?[^""]+(?=\1)");
foreach(Match m in mc)
{
    //m.Value;
}

Answer 2

Regex reg = new Regex(@"(?i)<img[^>]*?\ssrc\s*=\s*(['""]?)(?<src>[^'""\s>]+)\1[^>]*>");
            MatchCollection mc = reg.Matches(yourStr);
            foreach (Match m in mc)
            {
                Console.Write(m.Groups["src"].Value + "\n");
            }
替换就用Regex.Replace

Answer 3

提取
Regex reg = new Regex(@"(?is)<\w+[^>]*?(?:src|background)=(['""]?)(?<src>[^'""\s>]+)\1[^>]*>");
MatchCollection mc = reg.Matches(yourStr);
foreach (Match m in mc)
{
    richTextBox2.Text += m.Groups["src"].Value + "\n";
}如果是相对地址替换为绝对地址
Regex reg = new Regex(@"(?is)(<\w+[^>]*?(?:src|background)=(['""]?))([^'""\s>]+\2[^>]*>)");
string result = reg.Replace(yourStr, "$1http://www.test.com/$3");

Answer 4

楼上几位 背景填充方式<td background="xxx.jpg"> 
这种方式怎么取得呢？

Answer 5

MatchCollection mc = Regex.Match(html,@"(?is)(?<=<\w+ background=(['""])?)(https?)?[^""]+(?=\1)");
foreach(Match m in mc)
{
    //m.Value;
}

Answer 6

楼上的 background不怎么好用呀。

Answer 7

        private static void TestRegex11()
        {
            string html = @"楼上几位 背景填充方式<td background=""xxx.jpg"">  
这种方式怎么取得呢？";
            MatchCollection mc = Regex.Matches(html, @"(?is)(?<=<\w+ background=(['""])?)(https?)?[^""]+(?=\1)");
            foreach (Match m in mc)
            {
                Console.WriteLine(m.Value);
            }        }

Answer 8

wuyazhe大哥，你用你的方法试试获取下面的。试试。不出来呀。<td colspan="2" rowspan="2" valign="top" background="images/default_r7_c14_2.jpg" height=480></td><td colspan="2" width=317 height=42 background=images/default_r6_c14.jpg></td>
   <td><td align="center" valign="middle" background="/images/1b3.jpg">

Answer 9

        private static void TestRegex11()
        {
            string html = @"<td colspan=""2"" rowspan=""2"" valign=""top"" background=""images/default_r7_c14_2.jpg"" height=480></td><td colspan=""2"" width=317 height=42 background=images/default_r6_c14.jpg></td>
   <td><td align=""center"" valign=""middle"" background=""/images/1b3.jpg"">
";
            MatchCollection mc = Regex.Matches(html, @"(?is)(?<=<\w+[\s\S]*?background=(['""])?)(https?)?[^""]+(?=\1)");
            foreach (Match m in mc)
            {
                Console.WriteLine(m.Value);
            }        }

Answer 10

background=images/default_r6_c14.jpg不带引号的background不出来。

Answer 11

另外这个方法MatchCollection mc = Regex.Match(html,@"(?is)(?<=<img src=(['""])?)(https?)?[^""]+(?:jpg|png|gif)(?=\1)");
foreach(Match m in mc)
{
    //m.Value;
}也是没有引号就出不来。

Answer 12

 #9楼 得分：0回复于：2010-05-31 15:30:50C# code        private static void TestRegex11()
        {
            string html = @"<td colspan=""2"" rowspan=""2"" valign=""top"" background=""images/default_r7_c14_2.jpg"" height=480></td><td colspan=""2"" width=317 height=42 background=images/default_r6_c14.jpg></td>
   <td><td align=""center"" valign=""middle"" background=""/images/1b3.jpg"">
";
            MatchCollection mc = Regex.Matches(html, @"(?is)(?<=<\w+[\s\S]*?background=(['""]?))(https?)?[^"">]+(?=\1)");
            foreach (Match m in mc)
            {
                Console.WriteLine(m.Value);
            }        } 
 

Answer 13

private static void TestRegex11()
  {
  string html = @"<td colspan=""2"" rowspan=""2"" valign=""top"" background=""images/default_r7_c14_2.jpg"" height=480></td><td colspan=""2"" width=317 height=42 background=images/default_r6_c14.jpg></td>
  <td><td align=""center"" valign=""middle"" background=""/images/1b3.jpg"">
";
  MatchCollection mc = Regex.Matches(html, @"(?is)(?<=<\w+[\s\S]*?background=(['""]?))(https?)?[^"">]+(?=\1)");
  foreach (Match m in mc)
  {
  Console.WriteLine(m.Value);
  }  }  

Answer 14

 可是这样的还是提取不出来，辛苦了，问题还是有。  <td width=1000 height=92 background=images/yyt2_r1_c1.jpg>

Answer 15

你怎么测试的。汗。
都正常的啊不过我才发现。没看完整题目。
2个都匹配。这样        private static void TestRegex11()
        {
            string html = @"<td colspan=""2"" rowspan=""2"" valign=""top"" background=""images/default_r7_c14_2.jpg"" height=480></td><td colspan=""2"" width=317 height=42 background=images/default_r6_c14.jpg></td>
   <td><td align=""center"" valign=""middle"" background=""/images/1b3.jpg"">
<td align=""center"" valign=""middle"" background=/images/1b3.jpg>
<img src='xxx.jpg'/> ";
            Regex regExp = new Regex(@"(?is)(?<=<\w+[\s\S]*?(?:background|src)=(['""]?))(https?)?[^'"">]+(?=\1)");
            MatchCollection mc = regExp.Matches(html);
            foreach (Match m in mc)
            {
                Console.WriteLine(m.Value);
            }
        }

Answer 16

好了，谢谢 wuyazhe大哥，请wuyazhe老大，继续把下面的这个一个得取img图片的让他支持不带引号的图片就可以了。Regex reg = new Regex(@"(?is)(?<=<\w+[\s\S]*?src=(['""])?)(https?)?[^""]+(?:jpg|png|gif)(?=\1)");

Answer 17

给你的本来就支持不带引号的
(['""]?)[^'""]*\1就可以匹配"aa"
'ff'
xx
这类似的。

Answer 18

    string html="<img src=http://www.jznews.com.cn/pic/gg-pw.jpg>";            Regex reg = new Regex(@"(?is)(?<=<\w+[\s\S]*?src=(['""])?)(https?)?[^""]+(?:jpg|png|gif)(?=\1)");            MatchCollection mc = reg.Matches(html);
            foreach (Match m in mc)
            {
               Console.WriteLine(m.Value);
            }
不出来

Answer 19

如果是按后缀来取就好了，用src 和 background作来条件来取，如下background-image:url('http://www.jznews.com.cn/pic/sy/pl2.jpg')
background:url(http://www.jznews.com.cn/pic/huamen01.jpg);类似这样的又无法取到了。

Answer 20

我的意思是能否直接通过 .jpg .gif 这样的后缀来取到？
如果不行就算了。目前的正则也可以满足我的作业要求了。谢谢。

Answer 21

加上不就可以了？
(?:jpg|png|gif)
        private static void TestRegex11()
        {
            string html = @"<td colspan=""2"" rowspan=""2"" valign=""top"" background=""images/default_r7_c14_2.jpg"" height=480></td><td colspan=""2"" width=317 height=42 background=images/default_r6_c14.jpg></td>
   <td><td align=""center"" valign=""middle"" background=""/images/1b3.jpg"">
<td align=""center"" valign=""middle"" background=/images/1b3.jpg>
<img src='xxx.jpg'/> ";
            Regex regExp = new Regex(@"(?is)(?<=<\w+[\s\S]*?(?:background|src)=(['""]?))(https?)?[^'"">]+(?:jpg|png|gif)
(?=\1)");
            MatchCollection mc = regExp.Matches(html);
            foreach (Match m in mc)
            {
                Console.WriteLine(m.Value);
            }
        }

Answer 22

http://regex.kingshang.com/Default.aspx?idx=0