正则表达式（二）

           上次有个朋友来问了一个关于seo方面的问题，把Html文档中的所有图片的alt属性值替换成指定的值。首先我们就想到用正则表达式，目标任务：只替换img标签的alt属性值。

    alt属性可能不只有img有，所以限定只替换img的alt属性。输入的话，一个html文档差不多有上万行代码。所以用简单粗暴的查找替换是可耻的。正则才是比较优雅的解决之道。

    现在我们来分析一下我们要替换的字符串的特征。

    1、以“<img"开头;

    2、带有alt属性；

    3、img标签到alt属性之间存在未知的字符。

    

    嗯，我们先解决第一步，找出img标签，写出如下：/<img[^>]*>/g

    接下来这就是找到有alt属性的，写出如下： /<img[^>]*alt=('|")(.*?)\1.*>/g

    其实解决第二步并没有这么简单，都是碰到了很多问题后面才写出来的，包括img到alt这一段之间的字符如何处理，以及alt到闭合标签"/>"之间的情况，而且有些代码的img标签都没有写对正确的闭合标签，类似：<img src="***.jpg" >，所以写的正则表达式需要兼容这种错误的标签的情形。

    好了， 借用电竞三丑的一口头禅：可以，不跟你多BB。上代码：

	static void Main(string[] args)
        {
            try
            {
		//调用
                ReplaceAlt( 
                    "<\\s*img([^>]*?)alt=('|\")(.*?)\\2", 
                    RegexOptions.IgnoreCase | RegexOptions.Multiline, 
                    "<img$1alt='d.pan'", 
                    @"E:\MyJob\VS2012_Space\TestConsole\atesthtml.txt", 
                    @"E:\MyJob\VS2012_Space\TestConsole\output.txt"
               );

            }
            catch( Exception ex )
            {
            }
        }


        /// <summary>
        /// 对输入文件执行替换的正则表达式
        /// </summary>
        /// <param name="RegStr">正则表达式</param>
        /// <param name="OptObj">正则对象选项枚举</param>
        /// <param name="ReplaceStr">替换的表达式</param>
        /// <param name="InputPath">输入文件路径</param>
        /// <param name="OutputPath">输出文件路径</param>
        /// <returns></returns>
        public static bool ReplaceAlt( string RegStr, RegexOptions OptObj, string ReplaceStr, string InputPath , string OutputPath )
        {
            //输入文档，这里是为了摸拟
            StreamReader SR  = null; 

            //输出文档
            StreamWriter SW = null;

            try
            {
                SR = new System.IO.StreamReader( InputPath );

                SW = new System.IO.StreamWriter( OutputPath );

                string InputSt = SR.ReadToEnd();

                //正则表达式
                Regex ImgReg = new Regex( RegStr , OptObj );

                //执行替换
                SW.WriteLine( ImgReg.Replace( InputSt ,  ReplaceStr ) );

                return true;
            }
            catch( Exception Ex )
            {
                //异常处理
                return false;
            }
            finally
            {
                //关闭文件
                if( null != SR )
                {                 
                    SR.Close();
                    SR = null;
                }

                if( null != SW )
                {
                    SW.Close();
                    SW = null;
                }
            }
        }

这里需要解释一下，代码中使用的正则表达式是：<\s*img([^>]*?)alt=('|")(.*?)\2,

替换的是：<img$1alt='这里是我想要替换的值'。

因为我们只需要替换alt的值，所以alt属性之后的那一段字符串，我们不需要理会，因为alt的值有可能使用了单引号或者是双引号，我们这里使用分组（第二个分组）从而解决这种问题，但是为什么前面的img到alt属性之前也使用了一个分组（第一个分组）？这个分组是在替换时使用的，$1表示了上面正则表达式第一个分组的值，这样就可以完全的复制过来，只需要替换alt的值就可以了。

测试结果：

输入文本：

输出结果：