目前在做项目中有处理图片的部分，参考了一下网上案例，自己写了一个获取内容中的图片地址的方法。
一般来说一个 html 文档有很多标签，比如“<html>”、“<body>”、“<table>”等，想把文档中的 img 标签提取出来并不是一件容易的事。由于 img 标签样式变化多端，使提取的时候用程序寻找并不容易。于是想要寻找它们就必须写一个非常健全的正则表达式，不然有可能会找得不全，或者找出来的不是正确的 img 标签。
我们可以从 html 标签的格式去想应该怎么建这个正则表达式。首先要想一下 img 标签有几种写法，忽略大小写不看的话，下面列出 img 标签可能出现的几种情况。
<img> <img/> <img src=/>
这一些标签不用考虑，因为没有图片资源地址。
<img src = /images/pic.jpg/ > <img src =" /images/pic.jpg" > <img src= '/images/pic.jpg ' / >
这一些标签都有图片资源地址，另外还有一个特点就是有引号对，可能为单引号，也可能为双引号。因为不需要同时匹配引号对，所以正则表达式可以这么写：@"<img\s*src\s*=\s*[""']?\s*(?[^\s""'<>]*)\s*/?\s*>"
<img width="320" height="240" src=/images/pic.jpg onclick="window.open('/images/pic.jpg')">
因为 img 和 src 之间可能会有其他的参数，所以“<img”要有个单词结束，比如说不能是“<imgabc”，同样 src 前面也是一样，使用单词结束符“\b”有一个好处就是省去了表示空格的“\s*”。另外由于 img 标签中不可以出现“<”、“>”这样的符号，所以要改写前面的正则表达式：@"<img\b[^<>]*?\bsrc\s*=\s*[""']?\s*(?<imgurl>[^\s""'<>]*)[^<>]*?/?\s*>"
<img width="320" height="240" src = "
/images/pic.jpg" />
像这种可能会用回车符折行的问题有时候会出现，所以在有空格分开的地方要包含回车换行和 tab 字符，另外在图片地址中不能出现空格、tab、回车和换行字符。
所以上面的正则表达式可以改成：@"<img\b[^<>]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']?[\s\t\r\n]*(?<imgurl>[^\s\t\r\n""'<>]*)[^<>]*?/?[\s\t\r\n]*>"
下面写出取得html中所有图片地址的类hvthtmlimage：
我要评论
using system.text.regularexpressions;
namespace hovertree.hovertreeframe.hvtimage
{
public class hvthtmlimage
{
/// <summary>
/// 取得html中所有图片的 url。
/// </summary>
/// <param name="shtmltext">html代码</param>
/// <returns>图片的url列表</returns>
public static string[] gethvtimgurls(string shtmltext)
{
// 定义正则表达式用来匹配 img 标签
regex m_hvtregimg = new regex(@"<img\b[^<>]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']?[\s\t\r\n]*(?<imgurl>[^\s\t\r\n""'<>]*)[^<>]*?/?[\s\t\r\n]*>", regexoptions.ignorecase);
// 搜索匹配的字符串
matchcollection matches = m_hvtregimg.matches(shtmltext);
int m_i = 0;
string[] surllist = new string[matches.count];
// 取得匹配项列表
foreach (match match in matches)
surllist[m_i++] = match.groups["imgurl"].value;
return surllist;
}
}
}
下面我们再来看一个例子
public array matchhtml(string html,string com)
{
list<string> urls = new list<string>();
html = html.tolower();
//获取src标签中的url
regex regexsrc = new regex("src=\"[^\"]*[(.jpg)(.png)(.gif)(.bmp)(.ico)]\"");
foreach(match m in regexsrc.matches(html))
{
string src = m.value;
src = src.replace("src=","").replace("\"","");
if (!src.contains("http"))
src = com + src;
if(!urls.contains(src))
urls.add(src);
}
//获取href标签中url
regex regexhref = new regex("href=\"[^\"]*[(.jpg)(.png)(.gif)(.bmp)(.ico)]\"");
foreach (match m in regexhref.matches(html))
{
string href = m.value;
href = href.replace("href=", "").replace("\"", "");
if (!href.contains("http"))
href = com + href;
if(!urls.contains(href))
urls.add(href);
}
return urls.toarray();
}
[dllimport("kernel32.dll")]
static extern bool setconsolemode(intptr hconsolehandle, int mode);
[dllimport("kernel32.dll")]
static extern bool getconsolemode(intptr hconsolehandle, out int mode);
[dllimport("kernel32.dll")]
static extern intptr getstdhandle(int handle);
const int std_input_handle = -10;
const int enable_quick_edit_mode = 0x40 | 0x80;
public static void enablequickeditmode()
{
int mode; intptr handle = getstdhandle(std_input_handle);
getconsolemode(handle, out mode);
mode |= enable_quick_edit_mode;
setconsolemode(handle, mode);
}
static void main(string[] args)
{
enablequickeditmode();
int oldcount = 0;
console.title = "takeimagefrominternet";
string path = "e:\\download\\loading\\";
while (true)
{
console.clear();
string countfile = "e:\\countfile.txt";//用来计数的文本，以至于文件名不重复
int cursor = 0;
if (file.exists(countfile))
{
string text = file.readalltext(countfile);
try
{
cursor =oldcount = convert.toint32(text);//次数多了建议使用long
}
catch { }
}
console.write("please input a url:");
string url = "http://www.baidu.com/";
string temp = console.readline();
if (!string.isnullorempty(temp))
url = temp;
match mcom = new regex(@"^(?i)http://(\w+\.){2,3}(com(\.cn)?|cn|net)\b").match(url);//获取域名
string com = mcom.value;
//console.writeline(mcom.value);
console.write("please input a save path:");
temp = console.readline();
if (directory.exists(temp))
path = temp;
console.writeline();
webclient client = new webclient();
byte[] htmldata = null;
htmldata = client.downloaddata(url);
memorystream mstream = new memorystream(htmldata);
string html = "";
using (streamreader sr = new streamreader(mstream))
{
html = sr.readtoend();
}
array urls = new matchhtmlimageurl().matchhtml(html,com);
foreach (string imageurl in urls)
{
console.writeline(imageurl);
byte[] imagedata = null;
try
{
imagedata = client.downloaddata(imageurl);
}
catch { }
if (imagedata != null && imagedata.length>0)
using (memorystream ms = new memorystream(imagedata))
{
try
{
string ext = aping.utility.file.fileopration.extendname(imageurl);
imageformat format = imageformat.jpeg;
switch (ext)
{
case ".jpg":
format = imageformat.jpeg;
break;
case ".bmp":
format = imageformat.bmp;
break;
case ".png":
format = imageformat.png;
break;
case ".gif":
format = imageformat.gif;
break;
case ".ico":
format = imageformat.icon;
break;
default:
continue;
}
image image = new bitmap(ms);
if (directory.exists(path))
image.save(path + "\\" + cursor + ext, format);
}
catch(exception ex) { console.writeline(ex.message); }
}
cursor++;
}
mstream.close();
file.writealltext(countfile, cursor.tostring(), encoding.utf8);
console.writeline("take done...image count:"+(cursor-oldcount).tostring());
}
}
如对本文有疑问， 点击进行留言回复！！
C# 对PDF文档加密、解密（基于Spire.Cloud.SDK for .NET）
Unity通用泛型单例设计模式（普通型和继承自MonoBehaviour）
网友评论