.NET 正则表达式答案

【问题标题】：.NET regular expression.NET 正则表达式
【发布时间】：2012-11-15 21:29:20
【问题描述】：

我有带有像

这样的 img 标签的 html 页面源代码

<p>xyz </p>< img ....... 1 . gif >........<p>xyz</p>
           < img ........ 2 . jpg >..............<p>xyz</p>    
           < img ........ 3 . jpg ><p>xyz</p>
           < img ....... 4 . gif >......<span>xyz</span>

Img 标签可以包含 jpg 和其他格式的图像，并且可以在网页源中以任何顺序排列。现在我想使用 .NET 正则表达式，它可以给我第一个带有 JPG 图像的 img 标签，例如

< img ... 2. jpg >

或任何第一个没有 gif 图像的 img 标签。基本上我想在我的正则表达式中删除笑脸 gif 图像

请给我推荐正则表达式

【问题讨论】：

标签： .net regex

【解决方案1】：

不要使用 RegEx 解析 HTML。出于令人信服的原因，请参阅 here。

HTML 不是正则语言，因此不适合使用正则表达式进行解析。

使用 HTML Agility Pack 解析 HTML。它以类似于XmlDocument 的方式公开解析后的 HTML，并且可以使用 XPath 进行查询。

【讨论】：

这不是解析。这是在根本不同的文本中搜索。
嗨 Oded 感谢您的回复，但是我已经有了带有输入字符串（源代码）的 .net，并且我正在使用类似字符串模式 = @""; System.Text.RegularExpressions.Match m = System.Text.RegularExpressions.Regex.Match(输入, 模式, System.Text.RegularExpressions.RegexOptions.IgnoreCase | System.Text.RegularExpressions.RegexOptions.Multiline);
@Stilgar - 这是 HTML，可能非常多变。 HTML 敏捷包将能够比任何正则表达式更好地处理这个问题。
同意，但是是否可以使用正则表达式获取第一个 jpg img 标签？谢谢拉杰
@Raj - 可能并不意味着推荐。仅使用记事本和命令行编译器就可以编写一个非常复杂的 GUI 应用程序。不过我不会推荐它。

【解决方案2】：

<.*img[^>]*\.[^>]*jpg[^>]*>

【讨论】：

它给了我错误的结果 img 标签以 gif image.like ........
xyz
谢谢，它的工作，你能告诉我为什么上面的表达式不包括第一个
[^>] 代表任何不同于“>”的字符，而我给你的错误表达是“。”代表任何字符。所以，错误的匹配整个第一个 img 标签和第二个：它“不能在关闭标签上停止”。
我犯了同样的错误 :( ,任何方式再次感谢

【解决方案3】：

不赞成使用正则表达式来解析或修改 HTML 文档。对于一次性操作，您可以使用

<img\s+[^>]*2.jpg[^>]*>(</img>)?

识别包含“2.jpg”的图像标签。如果您想多次执行此操作，则可以使用 HTML 解析器（如 HTML Agility Pack）帮自己一个忙。面对现实世界的 HTML 代码时，脆弱性要小得多。

【讨论】：

我不能使用像 2 这样的硬编码图像名称，如果我不使用，那么它还包括 gif 笑脸
@Raj：您如何准确识别您需要查找的图像标签？是digit.jpg还是anything.gif？

【解决方案4】：

如果 html 是有效的 xhtml，你也可以使用 xpath 或 xslt。

xpath 应该是这样的（抱歉没有测试）：

//img[not fn:ends-with(@src, ".gif")]

【讨论】：

【解决方案5】：

jquery 怎么样？

很容易找到 html dom 部分并更改它们 $('img[src~=.gif]').hide();

【讨论】：