Question

我需要一个聪明的正则表达式来匹配...中的这些：

<img src="..."
<img src='...'
<img src=...

我希望匹配src的内容，但仅，如果它被“，”或“无”包围。这意味着<img src=..."或{{1}绝不能接受。

任何想法如何将这3个案例与一个正则表达式相匹配。

到目前为止，我使用类似<img src='...之类的东西，而我想要解开的部分是hacky ("|'|[\s\S])(.*?)\1，它用于匹配{的开头和结尾的“缺失符号” {1}}。

Answer 1

哇，我今天要回答的第二个问题。

Don't parse HTML with regex。使用HTML / XML解析器，您的生活将变得更加轻松。 Tidy将为您清理HTML代码，因此您可以先通过Tidy运行HTML，然后再通过解析器运行HTML。除了santizing之外，一些基于整理的库将执行解析，因此您甚至可能不必通过另一个解析器运行它。

例如，Java有JTidy，PHP有PHP Tidy。

<强>更新

反对我更好的判断，我给你这个：

/<img\s+src\s*=\s*(["'][^"']+["']|[^>]+)>/

仅适用于您的具体情况。即便如此，它也不会考虑您的图片来源名称或"字符中的转发'或>。可能还有许多其他限制。捕获组为您提供了图像名称（如果名称被单引号或双引号括起来，它也会为您提供这些名称，但您可以将它们除去）。

Answer 2

根据您用来解决此问题的脚本或编程语言，可以使用多个正则表达式，也可以只使用一个检查组的正则表达式。

<img[^s]+src=("(.+)"|'(.+)'|(.+))[^/<]+(/>|</img>)

如果你想要的只是图像src属性，你就不会使用解析器来解析。实际上，如果您想要其他属性，只需使用不同的正则表达式。您将遇到图像标记的多个匹配问题，但在这种情况下只需匹配图像标记，并为每个匹配执行所需的正则表达式。

如何用正则表达式解析<img src=""/>？

2 个答案: