目前在做項目中有處理圖片的部分，參考了一下網上案例，自己寫了一個獲取內容中的圖片地址的方法。
一般來說一個 HTML 文檔有很多標簽，比如“<html>”、“<body>”、“<table>”等，想把文檔中的 img 標簽提取出來并不是一件容易的事。由于 img 標簽樣式變化多端，使提取的時候用程序尋找并不容易。于是想要尋找它們就必須寫一個非常健全的正則表達式，不然有可能會找得不全，或者找出來的不是正確的 img 標簽。
我們可以從 HTML 標簽的格式去想應該怎么建這個正則表達式。首先要想一下 img 標簽有幾種寫法，忽略大小寫不看的話，下面列出 img 標簽可能出現的幾種情況。
<img> <img/> <img src=/>
這一些標簽不用考慮，因為沒有圖片資源地址。
<img src = /images/pic.jpg/ > <img src =" /images/pic.jpg" > <img src= '/images/pic.jpg ' / >
這一些標簽都有圖片資源地址，另外還有一個特點就是有引號對，可能為單引號，也可能為雙引號。因為不需要同時匹配引號對，所以正則表達式可以這么寫：@"<img/s*src/s*=/s*[""']?/s*(?[^/s""'<>]*)/s*/?/s*>"
<img width="320" height="240" src=/images/pic.jpg onclick="window.open('/images/pic.jpg')">
因為 img 和 src 之間可能會有其他的參數，所以“<img”要有個單詞結束，比如說不能是“<imgabc”，同樣 src 前面也是一樣，使用單詞結束符“/b”有一個好處就是省去了表示空格的“/s*”。另外由于 img 標簽中不可以出現“<”、“>”這樣的符號，所以要改寫前面的正則表達式：@"<img/b[^<>]*?/bsrc/s*=/s*[""']?/s*(?<imgUrl>[^/s""'<>]*)[^<>]*?/?/s*>"
<img width="320" height="240" src = "
/images/pic.jpg" />
像這種可能會用回車符折行的問題有時候會出現，所以在有空格分開的地方要包含回車換行和 TAB 字符，另外在圖片地址中不能出現空格、TAB、回車和換行字符。
所以上面的正則表達式可以改成：@"<img/b[^<>]*?/bsrc[/s/t/r/n]*=[/s/t/r/n]*[""']?[/s/t/r/n]*(?<imgUrl>[^/s/t/r/n""'<>]*)[^<>]*?/?[/s/t/r/n]*>"
下面寫出取得HTML中所有圖片地址的類HvtHtmlImage：
using System.Text.RegularExpressions;namespace HoverTree.HoverTreeFrame.HvtImage{public class HvtHtmlImage{/// <summary> /// 取得HTML中所有圖片的 URL。 /// </summary> /// <param name="sHtmlText">HTML代碼</param> /// <returns>圖片的URL列表</returns> public static string[] GetHvtImgUrls(string sHtmlText){// 定義正則表達式用來匹配 img 標簽 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];// 取得匹配項列表 foreach (Match match in matches)sUrlList[m_i++] = match.Groups["imgUrl"].Value;return sUrlList;}}}下面我們再來看一個例子
public Array MatchHtml(string html,string com) { List<string> urls = new List<string>(); html = html.ToLower(); //獲取SRC標簽中的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); } //獲取HREF標簽中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";//用來計數的文本，以至于文件名不重復 int cursor = 0; if (File.Exists(countFile)) { string text = File.ReadAllText(countFile); try { cursor =oldCount = Convert.ToInt32(text);//次數多了建議使用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);//獲取域名 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 + "http://" + 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()); } }新聞熱點
疑難解答
