正则表达式从img标签获取src值

Question

我使用以下正则表达式来获取HTML文档中第一个img标记的src值。

string match = "src=(?:\"|\')?(?<imgSrc>[^>]*[^/].(?:jpg|png))(?:\"|\')?"

现在它捕获了我不需要的总src属性。 我只需要src属性中的url。 怎么做？

Answer 1

用其他东西解析你的HTML。 HTML不是常规的 ，因此正则表达式根本不适合解析它。

如果HTML严格，请使用HTML解析器或XML解析器。 使用XPath获取src属性的值要容易得多：

//img/@src

XML解析内置于System.Xml命名空间中 。 它非常强大。 如果HTML不严格， HTML解析会有点困难，但是有很多库会为你做这件事。

Answer 2

请参阅何时不在C＃（或Java，C ++等）中使用Regex并寻找C＃HTML解析器

PS，如何在评论中添加指向StackOverflow问题的链接？

Answer 3

您的正则表达式应该（在英语中）匹配引号后的任何字符，这不是src属性上的标记内的引号。

在Perl正则表达式中，它将是这样的：

/src=[\"\']([^\"\']+)/

运行此URL后，URL将为$1 。

当然，这假设引用了src属性中的url。 如果不是，您可以相应地修改[]括号中的值。