图像URL的正则表达式

Question

我已经使用HtmlAgilityPack解析页面，并获得大多数img源代码。然而，许多网站在img src属性之外的地方包括img url（例如内联javascript，不同的属性，不同的元素）。我想投一个稍微宽一点的网并在整个html字符串上运行一个正则表达式，在正则表达式中捕获以下内容。

1. 必须以http：//，https：//，//或/
开头
2. 然后，任意数量的有效网址路径字符
3. 必须以.jpeg，.jpg，.png或.gif
结尾

我想这写起来很简单，但我不是一个很棒的正则表达式。我想这些部件看起来像这样

1. ^（（https？\：\ / \ /）|（\ / {1,2}））
2. （任何想法？）
3. （。（jpe？g | png | gif））$

任何人都可以帮助我填补空白吗？

由于

答案

(https?:)?//?[^\'"<>]+?\.(jpg|jpeg|gif|png)

Answer 1

有许多用于匹配网址的临时正则表达式，但我所知道的没有一个声称完全可靠。但是，这个会尝试满足您的条件。

根据[1]，有效的URL字符（未保留）是字母数字和符号$-_.+!*'(),。但是，也有保留字符，+/?%#&由[2]简明地给出 - 我在RFC的大部分内找不到列表。我知道有其他字符用于查询字符串，即=;，所以那些需要包含。然后你会遇到不是每个人都正确编码他们的URL字符的问题，因此空间可能存在于其他事物中（我不知道如何解释浏览器如何自动纠正事情可能会造成神秘感。）

因此，您可能只是假设任何内容都可以在URL中，但只是它必须从特定内容开始并以特定内容（您提供的内容）结束，但这仍然是不可靠的。

@(https?:)?//?[^'"<>]+?\.(jpg|jpeg|gif|png)@

Answer 2

(?:([^:/?#]+):)?(?://([^/?#]*))?([^?#]*\.(?:jpg|gif|png))(?:\?([^#]*))?(?:#(.*))?