C#正则表达式 提取网页图片的url

Question

本帖最后由 sggboy 于 2011-05-09 23:28:49 编辑

Answer 1

我想编写个程序把http://bbs.fengniao.com/forum/2159500.html中的图片的URL提取出来
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Net;
using System.IO;
using System.Text.RegularExpressions;
namespace ConsoleApplication1
{
    class Program
    {
        static void Main(string[] args)
        {
            StringBuilder strSource = new StringBuilder("");
            string webAddress = "http://bbs.fengniao.com/forum/2159500.html";
            
                WebRequest WReq = WebRequest.Create(webAddress);//对URl地址发出请求
                WebResponse WResp = WReq.GetResponse();//返回服务器的响应
                StreamReader sr = new StreamReader(WResp.GetResponseStream(), Encoding.UTF8);//从数据流中读取数据
                string strTemp = "";
                while ((strTemp = sr.ReadLine()) != null)//循环读出数据
                {
                    strSource.Append(strTemp + "\r\n");//把数据添加到字符串中
                    string pictureurl;                    Regex reg= new Regex("<a\\b[^<>]*?\\b\\b[^=]*?\\b(?<imgurl>[^\\s\\t\\r\\n\"\"'<>]*)\\b[^&]*?\\bjpg'\\)\" /></a>&nbsp;");
                    MatchCollection mc = reg.Matches(strTemp);
                    foreach (Match m in mc)
                    {
                        pictureurl = m.Groups["imgurl"].Value;//如何获得图片地址？
                        Console.WriteLine(pictureurl);
                        Console.WriteLine(strTemp+"\n\n\n");
                    }
                    
                }
                sr.Close();
        }
    }
}正则表达式<a\\b[^<>]*?\\b\\b[^=]*?\\b(?<imgurl>[^\\s\\t\\r\\n\"\"'<>]*)\\b[^&]*?\\bjpg'\\)\" /></a>&nbsp;匹配正常 能得到<a href="http://bbs.fengniao.com/forum/pic/slide.php?id=125_2159500_41372532" title="昨天拍到的一处小景！ " target="_blank"><img src="http://img3.fengniao.com/forum/attachpics/461/78/18415550.jpg" border="0" alt="昨天拍到的一处小景！ " onload="javascript: if((document.body.offsetWidth-this.width)<175) {this.width=800; this.alt='点击浏览原图\r\n'}" ondblclick="javascript:window.open('http://img3.fengniao.com/forum/attachpics/461/78/18415550.jpg')" /></a>&nbsp;
可是 pictureurl = m.Groups["imgurl"].Value;//如何获得图片地址？ 
没办法得到http://img3.fengniao.com/forum/attachpics/461/78/18415550.jpg

Answer 2

 Regex reg = new Regex(@"(?is)<img[^>]*?scr=(['""\s]?)([^'""\s]+)\1[^>]*?>");

Answer 3

    楼上的正则表达式是什么意思呢，匹配<a href="http://bbs.fengniao.com/forum/pic/slide.php?id=125_2159500_41372532" title="昨天拍到的一处小景！ " target="_blank"><img src="http://img3.fengniao.com/forum/attachpics/461/78/18415550.jpg" border="0" alt="昨天拍到的一处小景！ " onload="javascript: if((document.body.offsetWidth-this.width)<175) {this.width=800; this.alt='点击浏览原图\r\n'}" ondblclick="javascript:window.open('http://img3.fengniao.com/forum/attachpics/461/78/18415550.jpg')" /></a>&nbsp;中的图片吗？
    我的意思是自己没办法提取到其中的图片，只能提取到这整个代码

Answer 4

foreach(Match m in Regex.Matches(yourHtml,@"(?isn)楼</span>((?!<img).)+?<img.+?src=""(?<image_url>http://(?!bbs\.fengniao\.com)[^""]+)")
{
//m.Groups["image_url"].Value就是你要的
}
至于多的2张图。你这个自己人工去除吧。软件干预过多可能有些有用的也删掉了。不看图。就看图片网址，我看不出有什么规律通用所有帖子，你可以想明白，如果有更好规律总结，留言给你继续按规则写。

Answer 5

逍遥兄，你的正则表达式不能用啊。
（1）获取http://bbs.fengniao.com/forum/2159500.html源码
（2）对于源码一行一行分析，用我的正则表达式匹配Regex reg= new Regex("<a\\b[^<>]*?\\b\\b[^=]*?\\b(?<imgurl>[^\\s\\t\\r\\n\"\"'<>]*)\\b[^&]*?\\bjpg'\\)\" /></a>&nbsp;");
（3）能获得<a href="http://bbs.fengniao.com/forum/pic/slide.php?id=125_2159500_41372532" title="昨天拍到的一处小景！ " target="_blank"><img src="[color=#FF0000]http://img3.fengniao.com/forum/attachpics/461/78/18415550.jpg" border="0" alt="昨天拍到的一处小景！ " onload="javascript: if((document.body.offsetWidth-this.width)<175) {this.width=800; this.alt='点击浏览原图\r\n'}" ondblclick="javascript:window.open('http://img3.fengniao.com/forum/attachpics/461/78/18415550.jpg')" /></a>&nbsp;[/color]
（4）我想得到红色的图片链接

Answer 6

逍遥兄，你的正则表达式不能用啊。
（1）获取http://bbs.fengniao.com/forum/2159500.html源码
（2）对于源码一行一行分析，用我的正则表达式匹配Regex reg= new Regex("<a\\b[^<>]*?\\b\\b[^=]*?\\b(?<imgurl>[^\\s\\t\\r\\n\"\"'<>]*)\\b[^&]*?\\bjpg'\\)\" /></a>&nbsp;");
（3）能获得<a href="http://bbs.fengniao.com/forum/pic/slide.php?id=125_2159500_41372532" title="昨天拍到的一处小景！ " target="_blank"><img src="http://img3.fengniao.com/forum/attachpics/461/78/18415550.jpg" border="0" alt="昨天拍到的一处小景！ " onload="javascript: if((document.body.offsetWidth-this.width)<175) {this.width=800; this.alt='点击浏览原图\r\n'}" ondblclick="javascript:window.open('http://img3.fengniao.com/forum/attachpics/461/78/18415550.jpg')" /></a>&nbsp;
（4）我想得到图片链接http://img3.fengniao.com/forum/attachpics/461/78/18415550.jpg
（5）我觉得问题可能出在组的引用上，我的这个正则表达式很不规范，是这几天学的，不过用RegexBuddy测试的时候是没问题的

Answer 7

吧你程序中的
Regex reg= new Regex("<a\\b[^<>]*?\\b\\b[^=]*?\\b(?<imgurl>[^\\s\\t\\r\\n\"\"'<>]*)\\b[^&]*?\\bjpg'\\)\" /></a>&nbsp;");
替换为Regex reg= new Regex("(?<=img src=\").*?jpg");就可以了

Answer 8

非要用正则么，for循环字符串截取不行么

Answer 9

用c#测试，我贴给你的是代码。不是正则字符串。如果用工具测试，连续的""替换为"再测试。我给你的是测试过的，虽然手上没开发工具。但用我自己工具测试过的。结果
http://img3.fengniao.com/forum/attachpics/461/78/18415550.jpg
http://img3.fengniao.com/forum/attachpics/461/78/18415551.jpg
http://img3.fengniao.com/forum/attachpics/461/78/18415552.jpg
http://img3.fengniao.com/forum/attachpics/461/78/18415553.jpg
http://img3.fengniao.com/forum/attachpics/461/78/18415554.jpg
http://img3.fengniao.com/forum/customavatars/avatar386212_5.gif
http://pic.zol-img.com.cn/2011/05/1304989387.jpg

Answer 10

StringBuilder strSource = new StringBuilder("");
            WebRequest WReq = WebRequest.Create(webAddress);//对URl地址发出请求
            WebResponse WResp = WReq.GetResponse();//返回服务器的响应
            StreamReader sr = new StreamReader(WResp.GetResponseStream(), Encoding.UTF8);//从数据流中读取数据
            string strTemp = "";
            while ((strTemp = sr.ReadLine()) != null)//循环读出数据
            {
                strSource.Append(strTemp + "\r\n");//把数据添加到字符串中
                string pictureurl = "";
                bool FoundMatch = false;           //通过正则表达式判断字符串是否合乎要求 
                try
                {
                    //正则匹配包含图片链接的字符串
                    FoundMatch = Regex.IsMatch(strTemp, "\\A<a\\b[^<>]*?\\b_blank\"><img\\b[^=]*?\\b=\"(?<imgUrl>[^\\s\\t\\r\\n\"\"'<>]*)\\b[^&]*?\\bjpg'\\)\" /></a>&nbsp;\\z");
                }
                catch (ArgumentException ex)
                {
                    // Syntax error in the regular expression
                }
                if (FoundMatch)                  //获取字符串中的图片地址
                {
                    Regex RegexObj = new Regex(@"\b(?<imgUrl>[^\s\t\r\n""'<>]*)\b", RegexOptions.Compiled);//正则匹配图片链接
                    MatchCollection matches = RegexObj.Matches(strTemp);
                    foreach (Match match in matches)
                    {
                        bool Judge = false;                        Judge = Regex.IsMatch(match.Groups["imgUrl"].Value, "\\Ahttp://img3.fengniao.com\\b([^\\s\\t\\r\\n\"\"'<>]*)\\b.jpg\\z");                        if (Judge)     //判断是否为图片地址
                        {
                            pictureurl = match.Groups["imgUrl"].Value;   //图片地址
                            
                        }                    }
                    ImageUrl[Number] = pictureurl;             //将图片地址放入数组                    Regex RegexName = new Regex(@"\b(?<imgUrl>[\u4E00-\u9FFF]+)\b", RegexOptions.Compiled);
                    MatchCollection matchesName = RegexObj.Matches(strTemp);
                    int i = 0;                                 //用来获取中文字符                    foreach (Match match in matchesName)
                    {
                        if (i == 8)
                        {
                              //图片名字
                            if (match.Groups["imgUrl"].Value == textBox3.Text.Trim())
                                ImageName[Number] = match.Groups["imgUrl"].Value + Number;
                            else
                                ImageName[Number] = match.Groups["imgUrl"].Value; 
                           
                        }                        i++;                       }这样就可以了