先贴一个匹配正则的方法供大家参考:
public static ArrayList CutStr(string sStr, string Patrn)
{
ArrayList al = new ArrayList();
try
{
Regex tmpreg = new Regex(Patrn, RegexOptions.Compiled);
MatchCollection sMC = tmpreg.Matches(sStr);
if (sMC.Count != 0)
{
for (int i = 0; i < sMC.Count; i++)
{
al.Add(sMC[i].Groups[0].Value);
}
}
}
catch (System.Exception ex)
{
Log.WriteLog("检查出错:Exception:" + ex.Message + "\r\nStackTrace:" + ex.StackTrace + "\r\n Rule:" + Patrn);
}
return al;
}
MatchCollection对象取Group的方法很好用。推荐!!
匹配页面所有A标签正则: <a.+?href=\"(.+?)\".*>(.+)</a>
这个只能匹配不换行的A。一换行就完蛋。换这个试试:<a[^>]+?href=\"([^\"]+)\"[^>]*>([^<]+)</a>
继续添加改进版本:可以匹配href后面跟 单引号,双引号或者不跟符号的情况:
<a[^>]+?href=["']?([^"']+)["']?[^>]*>([^<]+)</a>
匹配页面所有Img标签正则: <img(.*?)>
在另一篇博文中看到一个关于正则匹配img标签的例子,贴过来看一下:
<img(?!.*?logo).*>
<img - 开头数据
(?! - 负向预查后面的字符
.*?贪婪匹配logo前面所有数据
(?!.*?logo) - 意为匹配所有不包含logo
.*> 则是 匹配所有换行前的> - 此处不使用 .*? 进行贪婪主要是为了避免 alt="abc>" 这样中间出现> 字符的情况
不过上面会出现个特例情况
例如
<img src="abc.jpg" alt="logo图片"> alt提示包含logo
<img src="test.jpg" logo=1 > 自定义属性
如果考虑这些情况,正则可以再细化到src位置
<img(.*?)(src)=\"(?!.*?logo).*>
正则表达式基础教程:http://www.w3cschool.cc/regexp/regexp-tutorial.html