我使用以下正则表达式获取HTML文档中第一个src标记的img值。
string match = "src=(?:\"|\')?(?<imgSrc>[^>]*[^/].(?:jpg|png))(?:\"|\')?"
现在它捕获了我不需要的总src属性。我只需要src属性中的url。怎么做？
答案 0 :(得分：6)
使用其他内容解析您的HTML。 HTML is not regular因此正则表达式根本不适合解析它。
如果HTML严格，请使用HTML解析器或XML解析器。使用XPath获取src属性的值要容易得多：
//img/@src
XML解析内置于System.Xml namespace。它非常强大。如果HTML不严格，HTML parsing会有点困难，但是有很多库会为你做这件事。
答案 1 :(得分：4)
请参阅When not to use Regex in C# (or Java, C++ etc)和Looking for C# HTML parser
PS，如何在评论中添加指向StackOverflow问题的链接？
答案 2 :(得分：1)
你的正则表达式应该（英文）匹配引号之后的任何字符，这不是src属性中标记内的引号。
在perl正则表达式中，它会是这样的：
/src=[\"\']([^\"\']+)/
运行此网址后，该网址将位于$1。
当然，这假设引用了src属性中的url。如果不是，您可以相应地修改[]括号中的值。