如何在 HTML 字符串中找到所有图像链接答案

【问题标题】：How do I find all image links in a HTML string如何在 HTML 字符串中找到所有图像链接
【发布时间】：2012-08-28 22:40:57
【问题描述】：

我正在尝试构建一个正则表达式来解析 HTML 文件并获取所有图像文件。我需要这样做以便在将图像作为电子邮件发送之前嵌入图像。

是否有可以引用图片的“地点列表”？例如，我知道我需要查看 <img src="here" /> 内部，或以 CSS 样式 url('here') 或 background='here'，但这是否涵盖所有情况？

并且正则表达式是否已经存在于某个地方？我发现编写正则表达式很痛苦，我不想错过任何一个案例，或者忘记处理一些损坏的 HTML 标记。

对于<img> 标签，我发现了这样的内容：

(?<=img\s+src\=[\x27\x22])(?<Url>[^\x27\x22]*)(?=[\x27\x22])

但我不知道如何包含其他地方。

【问题讨论】：

标签： .net regex image html-parsing embedding

【解决方案1】：

不要使用正则表达式来解析 html，而是使用像 HtmlAgilityPack 这样的 Html 解析器

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);

var a = doc.DocumentNode.Descendants("img")
            .Select(x => x.Attributes["src"].Value)
            .ToArray();

【讨论】：

【解决方案2】：

正则表达式往往是 poor choice for parsing HTML，尤其是来自不同来源的 HTML。

我建议使用HTML Agility Pack - 专门为此构建的 HTML 解析器。

什么是 Html Agility Pack (HAP)？

这是一个敏捷的 HTML 解析器，它构建一个读/写 DOM 并支持普通的 XPATH 或 XSLT（实际上你不必了解 XPATH 或 XSLT 就可以使用它，不用担心......）。它是一个 .NET 代码库，允许您解析“网络之外”的 HTML 文件。解析器对“真实世界”格式错误的 HTML 非常宽容。对象模型与 System.Xml 的提议非常相似，但用于 HTML 文档（或流）。

另一种选择是ScarpySharp，这是一个 HtmlAgilityPack 扩展，用于使用 css 选择器（如 JQuery）选择元素。

【讨论】：

谢谢，但 CSS 样式 (url(...)) 无济于事。我应该仅将这部分解析为文本吗？
@Dilbert - A CSS Parser 可用于该部分。