Question

我正在尝试构建一个用于解析HTML文件并获取所有图像文件的正则表达式。我需要这样做才能在将图像作为电子邮件发送之前嵌入图像。

是否有可以引用图像的“地点列表”？例如，我知道我需要查看<img src="here" />内部，或CSS样式url('here')或background='here'，但这是否涵盖所有情况？

正则表达式是否已存在于某处？我发现编写正则表达式很痛苦，我不想错过一个案例，或者忘记处理一些破坏的HTML标记。

对于<img>代码，我发现了类似的内容：

(?<=img\s+src\=[\x27\x22])(?<Url>[^\x27\x22]*)(?=[\x27\x22])

但我不知道如何包含其他地方。

Answer 1

不要使用正则表达式来解析html，而是使用像HtmlAgilityPack这样的Html解析器

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);

var a = doc.DocumentNode.Descendants("img")
            .Select(x => x.Attributes["src"].Value)
            .ToArray();

Answer 2

正则表达式往往是poor choice for parsing HTML，特别是来自不同来源的HTML。

我建议使用HTML Agility Pack - 一个专用的HTML解析器。

什么是Html Agility Pack（HAP）？

这是一个敏捷的HTML解析器，它构建一个读/写DOM并支持普通的XPATH或XSLT（你实际上不需要理解XPATH或XSLT来使用它，不用担心......）。它是一个.NET代码库，允许您解析“out of the web”HTML文件。解析器非常容忍“真实世界”格式错误的HTML。对象模型与提出System.Xml非常相似，但对于HTML文档（或流）。

另一种选择是ScarpySharp，一个HtmlAgilityPack扩展，用于使用css选择器（如JQuery）选择元素。

如何在HTML字符串中查找所有图像链接

2 个答案: