Question

我正在尝试编写一个模式，用于提取HTML中img标记中找到的文件的路径。

String string = "<img src=\"file:/C:/Documents and Settings/elundqvist/My Documents/My Pictures/import dialog step 1.JPG\" border=\"0\" />";

我的模式：

src\\s*=\\s*\"(.+)\"

问题是我的模式还会包含img标签的'border =“0”部分。

在不包含'border =“0”？

的情况下，该文件的URI路径匹配什么模式

Answer 1

你的模式应该是（非转义）：

src\s*=\s*"(.+?)"

重要的部分是添加的问号，尽可能少地与组匹配

Answer 2

试试这个表达式：

src\s*=\s*"([^"]+)"

Answer 3

只有当它在标记内部而不是在其他地方以纯文本形式写入时，才能获取src。它还会检查您是否在src属性之前或之后添加了其他属性。

此外，它还确定您使用的是单引号（'）还是双引号（“）。

\<img.+src\=(?:\"|\')(.+?)(?:\"|\')(?:.+?)\>

因此对于PHP，你会这样做：

preg_match("/\<img.+src\=(?:\"|\')(.+?)(?:\"|\')(?:.+?)\>/", $string, $matches);
echo "$matches[1]";

对于JavaScript，你会这样做：

var match = text.match(/\<img.+src\=(?:\"|\')(.+?)(?:\"|\')(?:.+?)\>/)
alert(match[1]);

希望这有帮助。

Answer 4

我正在尝试编写一个模式，用于提取HTML中img标记中找到的文件的路径。

我们是否可以拥有“不使用正则表达式来解析[X] HTML”的自动回复？

问题是我的模式还会包含img标签的'border =“0”部分。

更不用说'src =“'出现在纯文本中了！

如果您事先知道要解析的HTML的确切格式（例如，因为您自己生成了它），您可以侥幸逃脱。但除此之外，正则表达式完全是错误的工具。

Answer 5

你想玩贪婪的群体捕捉形式。像

这样的东西

src\\s*=\\s*\"(.+)?\"

默认情况下，正则表达式会尝试匹配尽可能多的

Answer 6

我想扩展此主题，因为src属性通常不加引号，因此正则表达式采用引用和不带引号的src属性为：
src\s*=\s*"?(.+?)["|\s]

Answer 7

我通过使用此正则表达式解决了它。

/<img.*?src="(.*?)"/g