用正则表达式获取alt标签

Question

我正在解析一些HTML源代码。是否有正则表达式脚本来确定html文档中的alt标记是否为空？

我想看看alt标签是否为空。

正则表达式适用于此，还是应该在C＃中使用字符串操作？

Answer 1

您必须解析HTML并检查标记，使用以下链接，它包含用于解析HTML标记的C＃库，您可以遍历标记并获取标记数量：Parsing HTML tags。

Answer 2

如果这是有效的XHTML，为什么你需要Regex？如果您只是搜索字符串：

alt=""

...您应该能够找到所有空的alt标签。

在任何情况下，考虑到写得不好的HTML标记（尤其是空格），构建搜索的正则表达式也不应该太复杂：

alt\s*=\s*"\s*"

Answer 3

如果您只想查看页面，那么CSS选择器可能会更好，假设您的浏览器支持：not selector。

安装selectorgadget书签。在页面上激活它，然后将以下选择器放在输入框中，然后按Enter键。

img:not([alt])

如果您要对其进行自动化，并且可以访问HTML的DOM，则可以使用相同的选择器。

Answer 4

正则表达式在解析HTML方面根本不好（请参阅Can you provide some examples of why it is hard to parse XML and HTML with a regex?了解原因）。你需要的是一个HTML解析器。有关使用各种解析器的示例，请参阅Can you provide an example of parsing HTML with your favorite parser?。