asp.net 查找string 中的 img 标记替换访问路径

最新推荐文章于 2021-12-18 21:52:54 发布

weixin_30755709

最新推荐文章于 2021-12-18 21:52:54 发布

阅读量151

点赞数

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/chenmodeyu/p/3267320.html

本文介绍了一种从HTML源码中提取图片实际路径的方法。通过正则表达式匹配<img>标签内的src属性值来获取图片链接，并判断是否为完整URL。若不是，则补充HTTP前缀。适用于网页爬虫及内容解析等场景。

#region 匹配<img src="" />中的图片路径实际链接
        /// <summary>
        /// 匹配<img src="" />中的图片路径实际链接
        /// </summary>
        /// <param name="ImgString">字符串</param>
        /// <param name="imgHttp"></param>
        /// <returns></returns>
        public static string GetImg(string ImgString, string imgHttp)
        {
            string MatchVale = "";
            string Reg = @"src=.+\.(bmp|jpg|gif|png|)";
            foreach (Match m in Regex.Matches(ImgString.ToLower(), Reg))
            {
                MatchVale += (m.Value).ToLower().Trim().Replace("src=", "");
            }
            if (MatchVale.IndexOf(".net") != -1 || MatchVale.IndexOf(".com") != -1 || MatchVale.IndexOf(".org") != -1 || MatchVale.IndexOf(".cn") != -1 || MatchVale.IndexOf(".cc") != -1 || MatchVale.IndexOf(".info") != -1 || MatchVale.IndexOf(".biz") != -1 || MatchVale.IndexOf(".tv") != -1)

                return (MatchVale);
            else
                return (imgHttp + MatchVale);
        }
        #endregion

        #region  匹配页面的图片地址
        /// <summary>
        /// 匹配页面的图片地址
        /// </summary>
        /// <param name="HtmlCode">html源码</param>
        /// <param name="imgHttp">要补充的http://路径信息</param>
        /// <returns></returns>
        public static string GetImgSrc(string HtmlCode, string imgHttp)
        {
            string MatchVale = "";
            string Reg = @"<img.+?>";

            foreach (Match m in Regex.Matches(HtmlCode.ToLower(), Reg))
            {
                MatchVale += GetImg((m.Value).ToLower().Trim(), imgHttp) + "|";
            }

            return MatchVale;
        }
        #endregion

转载于:https://www.cnblogs.com/chenmodeyu/p/3267320.html