正則匹配頁面所有A標籤或Img標籤
阿新 • • 發佈:2019-02-17
先貼一個匹配正則的方法供大家參考:
public static ArrayList CutStr(string sStr, string Patrn) { ArrayList al = new ArrayList(); try { Regex tmpreg = new Regex(Patrn, RegexOptions.Compiled); MatchCollection sMC = tmpreg.Matches(sStr); if (sMC.Count != 0) { for (int i = 0; i < sMC.Count; i++) { al.Add(sMC[i].Groups[0].Value); } } } catch (System.Exception ex) { Log.WriteLog("檢查出錯:Exception:" + ex.Message + "\r\nStackTrace:" + ex.StackTrace + "\r\n Rule:" + Patrn); } return al; }
MatchCollection物件取Group的方法很好用。推薦!!
匹配頁面所有A標籤正則: <a.+?href=\"(.+?)\".*>(.+)</a>
這個只能匹配不換行的A。一換行就完蛋。換這個試試:<a[^>]+?href=\"([^\"]+)\"[^>]*>([^<]+)</a>
繼續新增改進版本:可以匹配href後面跟 單引號,雙引號或者不跟符號的情況:
<a[^>]+?href=["']?([^"']+)["']?[^>]*>([^<]+)</a>
匹配頁面所有Img標籤正則: <img(.*?)>
在另一篇博文中看到一個關於正則匹配img標籤的例子,貼過來看一下:
<img(?!.*?logo).*>
<img - 開頭資料
(?! - 負向預查後面的字元
.*?貪婪匹配logo前面所有資料
(?!.*?logo) - 意為匹配所有不包含logo
.*> 則是 匹配所有換行前的> - 此處不使用 .*? 進行貪婪主要是為了避免 alt="abc>" 這樣中間出現> 字元的情況
不過上面會出現個特例情況
例如
<img src="abc.jpg" alt="logo圖片"> alt提示包含logo
<img src="test.jpg" logo=1 > 自定義屬性
如果考慮這些情況,正則可以再 細化到src位置
<img(.*?)(src)=\"(?!.*?logo).*>
正則表示式基礎教程:http://www.w3cschool.cc/regexp/regexp-tutorial.html