Question

我正在查看一段代码，我遇到了这个正则表达式

Regex _fileOrImageRegex = new Regex("<\\s*(?<Tag>(applet|embed|frame|iframe|img|link|script|xml))\\s*.*?(?<AttributeName>(src|href|xhref))\\s*=\\s*([\\\"\\'])(?<FileOrImage>.*?)\\3", RegexOptions.Compiled | RegexOptions.IgnoreCase | RegexOptions.Singleline);

有人可以用简单的词语向我解释表达方式。它用于解析所有图像，我得到那个部分，我还想修改正则表达式，以包含它匹配的每个图像标记的alt标记。

感谢

Answer 1

你应该使用DOM或XPath库来处理[X] HTML，使用正则表达式做这类事情可能会非常脆弱。

Answer 2

必填链接：RegEx match open tags except XHTML self-contained tags

在英语中，它的作用是：

<匹配HTML开放标记

\s*匹配任意数量的空格（制表符，空格，换行符）

(?是不用担心的 - 它是一个子组，但它不存储值

下一个问题是开放代码的可能值 - applet，embed等

值周围的()表示“将此值存储在子模式中，并使其可用我的部分结果

|表示“或”，因此applet或embed等 - 这会查看标记名称

\s*更多空白

.?表示“任意数量的任何内容”，除了换行符但，因为SingleLine标志（请参阅此答案的评论）与“任意数量的任何内容”匹配“

再次

(?，见上文，可选值（src，href）相同 - 这些是标签属性

\s=\s*表示“空格，后跟等号，后跟任意数量的空格”

([\\"\\']) ()，见上文。 []表示“任意顺序中的任何字符”，\\"和\\'是“和'字符，使用反斜杠进行转义

(?.?)我们已经知道(?，而.?表示“可选，任意字符中的一个”

最后的选项是修饰符，它们使正则表达式匹配更多的东西 - IgnoreCase使它不区分大小写，Singleline应该是显而易见的，而其他人会告诉你Compiled的含义，因为我不知道正则表达式的语言写的是：）

编辑：您刚刚更新了第一篇文章。 <Tag>和<AttributeName>为匹配组命名，例如，运行正则表达式的结果可能如下所示：

Array - Tag = img - AttributeName = src - FileOrImage = http://www.mysite.com/a.png

顺便说一句，祝贺你有一个很棒的名字：D

Answer 3

这是特定于C＃的，但为了添加Joe对Joe的问题的回答，为了便于阅读，这个正则表达式可以使用@，逐字字符串，因此{String}忽略\转义符“并给予正则表达式无损（he comes!）。您还可以使用IgnorePatternWhiteSpace来允许您在多行中在语义上分解块：

var fileOrImageRegex = new Regex(
    @"<\s*
    (?<Tag>(applet|embed|frame|iframe|img|link|script|xml))
    \s*.*? 
    (?<AttributeName>(src|href|xhref))
    \s*=\s*([""'])
    (?<FileOrImage>.*?)
    \3", 
    RegexOptions.Compiled | RegexOptions.IgnoreCase | RegexOptions.IgnorePatternWhitespace);

Answer 4

我无法抗拒使用HTML Agility Pack创建此解决方案的一个版本：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(yourHtmlString); //or use doc.Load(string path)

var nodes = doc.DocumentNode.SelectNodes("//*[@href or @xref or @src");
if (nodes != null)
{
    foreach (var node in nodes)
    {
        // optionally use interestingTags.Contains(node.Name) to only look in specific tags
        string url = string.Empty;
        string alt = string.Empty;

        if (nodes.Attributes.Contains("href"))
            url = nodes.Attributes["href"].Value;
        if (nodes.Attributes.Contains("xref"))
            url = nodes.Attributes["xref"].Value;
        if (nodes.Attributes.Contains("src"))
            url = nodes.Attributes["src"].Value;

        if (nodes.Attributes.Contains("alt"))
            alt = nodes.Attributes["alt"].Value;

        // So I found a node, what to do with it...
        FoundNode(url, alt);
    }
}

正则表达式来解析来自Html的图像

4 个答案: