作者:wcnm | 来源:互联网 | 2022-02-21 03:24
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“”、“”、“
”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。
这一些标签不用考虑,因为没有图片资源地址。
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:@"]*)\s*/?\s*>"
因为 img 和 src 之间可能会有其他的参数,所以“”这样的符号,所以要改写前面的正则表达式:@"]*&#63;\bsrc\s*=\s*[""']&#63;\s*(&#63;[^\s""'<>]*)[^<>]*&#63;/&#63;\s*>"
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:@"]*&#63;\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']&#63;[\s\t\r\n]*(&#63;[^\s\t\r\n""'<>]*)[^<>]*&#63;/&#63;[\s\t\r\n]*>"
下面写出取得HTML中所有图片地址的类HvtHtmlImage:
using System.Text.RegularExpressions;
namespace HoverTree.HoverTreeFrame.HvtImage
{
public class HvtHtmlImage
{
///
/// 取得HTML中所有图片的 URL。
///
/// HTML代码
/// 图片的URL列表
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(@"]*&#63;\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']&#63;[\s\t\r\n]*(&#63;[^\s\t\r\n""'<>]*)[^<>]*&#63;/&#63;[\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 urls = new List();
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(@"^(&#63;i)http://(\w+\.){2,3}(com(\.cn)&#63;|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());
}
}
推荐阅读
-
转载于:https:www.cnblogs.comgoldengallop78 ...
[详细]
蜡笔小新 2024-10-01 02:34:41
-
1.File类:文件和目录路径名的抽象表现形式2.创建对象:File(Stringpathname)通过给定的路径创建文件对象File(Stringpa ...
[详细]
蜡笔小新 2024-10-01 01:24:53
-
-
1、跨域的基本概念a、跨域的解释要了解跨域,首先需要知晓浏览器的同源策略,简单的说就是两个请求协议、端口、主机都相同,则两个请求具有相同的 ...
[详细]
蜡笔小新 2024-09-30 19:24:12
-
常见问题硬盘,内存,性能指标常见问题小说导航站源码,vscode调整代码格式,ubuntu终端命名,打开和关闭tomcat,sqlite2下载安装,python爬虫解析反爬虫,ht ...
[详细]
蜡笔小新 2024-09-30 19:07:40
-
实验六团队作业2:团队项目选题实验时间2019-4-18(19)Deadline:2019-4-2410:00,以团队随笔博文提交至班级博 ...
[详细]
蜡笔小新 2024-09-30 19:00:12
-
thecontainercontainsthemos ...
[详细]
蜡笔小新 2024-09-30 18:33:10
-
企查查APP显示,近日,浙江十勇士网络科技有限公司发生工商变更,新增股东广西腾讯创业投资有限公司,同时公司注册资本由1319.44万元人民币增加至1552.28万元人民币。企查查信 ...
[详细]
蜡笔小新 2024-09-30 18:27:26
-
1.安装cordovapluginaddcordova-plugin-file-transfercordovapluginaddcordova-plugin-fi ...
[详细]
蜡笔小新 2024-09-30 18:18:40
-
nsitionalENhttp:www.w3.orgTRxhtml1DTDxhtml1-transitional.dtd ...
[详细]
蜡笔小新 2024-09-30 18:08:19
-
后端开发|php教程public,function,protected,mdash,Jordan后端开发-php教程周五了啦啦啦啦-LAMP+PHP‘sOOP部门信息管理系统asp ...
[详细]
蜡笔小新 2024-09-30 17:53:23
-
普通调用https:www.cnblogs.comYogurshinep3913073.htmlhttps:zhidao.baidu.comquestion531286375.h ...
[详细]
蜡笔小新 2024-09-30 17:40:02
-
请写出一下程序的输出内容***2018032122:02:03**Brief:**Author:ZhangJianWei**Email:Dream_Dog163.com* ...
[详细]
蜡笔小新 2024-09-30 17:25:03
-
原文链接https://www.cnblogs.com/zhouzhendong/p/9161514.html ...
[详细]
蜡笔小新 2024-09-30 17:03:02
-
WindowsPhone7内置了一个强大的网络浏览器,该浏览器的内核是基于桌面版的InternetExplorer7(Mango版基于InternetE ...
[详细]
蜡笔小新 2024-09-30 16:56:38
-
HTTP请求响应的步骤第一步:第二步:第三步:第四步:第五步第一步:1.客户端连接到Web服务器⼀个HTTP ...
[详细]
蜡笔小新 2024-09-30 16:44:08
-