Question

我制作RSS阅读器，我需要使用正则表达式找到路径网址图片（Google RSS）。来自RSS的URL图像例如： RSS频道为https://news.google.com/?output=rss。

<img src="//t0.gstatic.com/images?q=tbn:ANd9GcRfMZ3MOzznCthFKCdIan17n9B8vZvEE-tRSQVTcgJa5i1OPfdf90zi4mBuGzPfB7Bj2mwE0TE" alt="" border="1" width="80" height="80" />

顺便说一句。我使用正则表达式：

Regex regx = new Regex("\\s*(?:\"(?<1>[^\"]*)\"|(?<1>\\S+))", 

RegexOptions.IgnoreCase);

一些建议？

Answer 1

您可以使用以下正则表达式模式：

/(.*\/images.*)/

Answer 2

首先，你不应该用正则表达式解析xml - ＆gt;使用XmlDocument，XmlParser，Readers，...

如果您知道自己在做什么，那就是快速而肮脏的正则表达式解决方案。

Feed中的所有图片标记似乎都在描述中 - 标签，它们当然是xml编码的（请记住接下来的几个步骤）
接下来，您应该查找一些示例img标记
1. 您是否也在寻找没有src的img-tag，或者是空源？
2. 整体 - ＆gt;定义你要找的东西
设计您的正则表达式

因为Feed是自动生成的，所以每次标签看起来都是相同的顺序（我们将这个事实用于更短的正则表达式）

每个img代码都以<开头（但请记住第1点 - ＆gt; xml编码）正在寻找＆lt;然后是img（当前正则表达式：<img

接下来是至少一个空白字符。（当前正则表达式：lt;img\s+

src属性始终是第一个属性（在本例中），如果存在，所以我们选择src="（当前正则表达式：<img\s+src="）

接下来用.*选择网址列表，但要小心*量词是贪婪的，所以我们必须使用延迟量化.*?，最后用"

最终正则表达式：<img\s+src="(.*?)"请确保为网址使用括号以便于群组选择。

最后一步：C＃代码

//quick & dirty :-)
var url = "https://news.google.com/?output=rss";
var regex = @"&lt;img\s+src=&quot;(.*?)&quot;";

var RssContent = new StreamReader(((HttpWebRequest)HttpWebRequest.Create(url)).GetResponse().GetResponseStream()).ReadToEnd();
foreach (Match match in Regex.Matches(RssContent, regex))
{
    //print img urls
    Debug.WriteLine(match.Groups[1]);
}

PS：如果你正在尝试编写一个RSS阅读器，你应该不使用正则表达式解析html！试图找到一种方法将html转换为xaml并在WPF中编写您的读者，或者通过研究一些开源RSS阅读器开始学习更多关于这些问题的方法

正则表达式Google图片

2 个答案: