正则匹配页面所有A标签或Img标签

最新推荐文章于 2024-07-28 14:13:07 发布

吖Q

最新推荐文章于 2024-07-28 14:13:07 发布

阅读量3.4w

点赞数 4

文章标签：正则 asp.net 正则表达式

本文链接：https://blog.csdn.net/qq380107165/article/details/46523207

版权

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