Question

单独获取src或alt是没有问题的，但是如何在每个具有组名的情况下同时获取它们。

我们必须记住，alt可以位于src的左侧或右侧。

我很着急，所以我找到了一个快速的解决方案，为src和alt创建了3个组名。我知道我们可以做得更好。

private void GetFirstImage(string newHtml, out string imgstring, out string imgalt)
{
    imgalt = "";
    imgstring = "";

    string pattern = "(?<=<img(?<name1>\\s+[^>]*?)src=(?<q>['\"]))(?<url>.+?)(?=\\k<q>)(?<name2>.+?)\\s*\\>";

    try
    {
        //si hay imagen
        if (Regex.IsMatch(newHtml, pattern))
        {
            Regex r = new Regex(pattern, RegexOptions.IgnoreCase | RegexOptions.Compiled);

            imgstring = r.Match(newHtml).Result("${url}");
            string tempalt = "", tempalt2;
            tempalt = r.Match(newHtml).Result("${name1}");
            tempalt2 = r.Match(newHtml).Result("${name2}");

            //ya tenemos la ruta de la imagen y de lo que aparece a izq y a derecha dentro de <img>

            try
            {
                pattern = "alt=(?<q>['\"])(?<alt>.+?)(?=\\k<q>)";

                //si hay algo que no sea vacío a la izquierda de la ruta
                if(!String.IsNullOrEmpty(tempalt.Trim()))
                {
                    r = new Regex(pattern, RegexOptions.IgnoreCase | RegexOptions.Compiled);

                    //si cumple con el pattern para buscar el alt
                    if (Regex.IsMatch(tempalt, pattern))
                    {

                        imgalt = r.Match(tempalt).Result("${alt}");

                    }
                }
                //si no se encontró el alt y hay algo a la derecha
                if(String.IsNullOrEmpty(imgalt) && !String.IsNullOrEmpty(tempalt2.Trim()))
                {

                    r = new Regex(pattern, RegexOptions.IgnoreCase | RegexOptions.Compiled);

                    //si se cumple el patrón del alt
                    if (Regex.IsMatch(tempalt2, pattern))
                    {

                        imgalt = r.Match(tempalt2).Result("${alt}");

                    }

                }

            }
            catch{ }

        }

    }
    catch{}

}

Answer 1

简单......不要使用正则表达式。使用DOM解析器 - 所以XmlDocument用于xhtml或HTML Agility Pack用于（非x）html。

然后只需查询root.SelectNodes("//img")并查看每个元素的“src”和“alt”属性（例如node.Attributes["src"].Value等）

正则表达式 NOT 是解析html的好工具（因为它不是regular language）。

正则表达式，我需要改进一种从图像中获取src和alt的方法

1 个答案: