正則表達式提取所有圖像和HTML

我想弄清楚以下的正則表達式，似乎無法得到正確的。有人可以提醒我嗎？正則表達式提取所有圖像和HTML

簡而言之我有一個htmlString是：

 htmlString = "<HTML><HEAD></HEAD><BODY>Here are some images.</br>1) <IMG style='MARGIN-BOTTOM: 20px; MARGIN-LEFT: 20px' align=right src='images/sample001.jpg'>2) <IMG style='MARGIN-BOTTOM: 25px; MARGIN-LEFT: 25px' align=right src='images/sample002.png'></br> And some docs as well.</br>1) href='javascript:parent.POPUP({url:'testDoc001.htm',type:'shared',width:600,height:645})'></br>2) href='javascript:parent.POPUP({url:'testDoc002.html',type:'shared',width:700,height:712})'></br></BODY></HTML>";

我通過以下程序在C＃中運行這個，WPF：

private static List<string> ExtractData(string htmlString) 
    { 
     List<string> data = new List<string>(); 

     //*** Get The Images *** 
     string pattern = @"<img .* src='(.+\.(jpg|bmp|png))'"; 

     Regex rgx = new Regex(pattern, RegexOptions.IgnoreCase); 
     MatchCollection matches = rgx.Matches(htmlString); 

     for (int i = 0, l = matches.Count; i < l; i++) 
     { 
      data.Add(matches[i].Value); 
     } 

     //*** Get Html Pages *** 
     pattern = @"url:'([^']*)'"; 

     rgx = new Regex(pattern, RegexOptions.IgnoreCase); 
     matches = rgx.Matches(htmlString); 

     for (int i = 0, l = matches.Count; i < l; i++) 
     { 
      data.Add(matches[i].Value); 
     } 

     return data; 
    }--------------------------------------------------------------------------------------

，結果我得到的是：

[0] =「< IMG style ='MARGIN-BOTTOM：20px; MARGIN-LEFT：20px'align = right src ='images/sam 2）< IMG style ='MARGIN-BOTTOM：25px; MARGIN-LEFT：25像素 'ALIGN =右SRC = '圖像/ sample002.png 「'

[1] = 」URL： 'testDoc001.htm'「

[2] =」 URL：' testDoc002。 HTML」'

我真正想要的是：

[0] = 「圖像/ sample001.jpg」

[1] = 「圖像/ sample002.png」

[2] =「testDoc001.htm」

[3] =「testDoc002.html」

有人能告訴我我在正則表達式中做錯了什麼嗎？

感謝

來源

2012-04-16 Ann Sanderson

見第一個答案在這裏：http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags – Cfreak 2012-04-16 14:00:42

什麼你想要的可能是通過正則表達式來實現的，但它不會像你期望的那樣整齊和整齊。你應該真的使用解析器來做到這一點。 http://stackoverflow.com/a/1732454/355724 – VeeArr 2012-04-16 14:00:58

[正則表達式獲取C＃中圖像的SRC]的可能重複（http://stackoverflow.com/questions/4257359/regular-expression-to-get-所述-SRC-的圖像式-C-尖銳） – 2012-04-16 14:25:58

你最好使用HTML Agility Pack此類工作。正如其他人所提到的，除了非常特殊的情況，解析HTML的正則表達式是一件好事。無論如何，你的正則表達式有幾個問題。第一個應該類似於此：

<img.+?src\s*=\s*\'(.*?\.(jpg|bmp|png))'

來源

2012-04-16 14:07:33

回答

相關問題