正则表达式在 html (golang) 中查找图像

Question

我正在解析来自几个不同来源的 xml rss 提要，我想在 html 中查找图像。

我做了一些研究，发现了一个我认为可能有效的正则表达式

/<img[^>]+src="?([^"\s]+)"?\s*\/>/g

但是我在 go 中使用它时遇到了麻烦。它给了我错误，因为我不知道如何使用该表达式进行搜索。

我尝试将它用作字符串，它不能用单引号或双引号正确转义。我试着像那样使用它，裸机，它给了我一个错误。

有什么想法吗？

Answer 1

使用适当的 html 解析器总是更好地解析 html，但是廉价/hackish 的正则表达式也可以正常工作，这是一个示例：

var imgRE = regexp.MustCompile(`<img[^>]+\bsrc=["']([^"']+)["']`)
// if your img's are properly formed with doublequotes then use this, it's more efficient.
// var imgRE = regexp.MustCompile(`<img[^>]+\bsrc="([^"]+)"`)
func findImages(htm string) []string {
    imgs := imgRE.FindAllStringSubmatch(htm, -1)
    out := make([]string, len(imgs))
    for i := range out {
        out[i] = imgs[i][1]
    }
    return out
}

playground

Answer 2

啊，抱歉，以前没有用 Go 工作过，但这似乎工作。 试过了

https://tour.golang.org/welcome/1

.

package main

import (
     "fmt"
     "regexp"
)

func main() {
   var myString = `<img src='img1single.jpg'><img src="img2double.jpg">`
   var myRegex = regexp.MustCompile(`<img[^>]+\bsrc=["']([^"']+)["']`)
   var imgTags = myRegex.FindAllStringSubmatch(myString, -1)
   out := make([]string, len(imgTags))
  for i := range out {
    fmt.Println(imgTags[i][1])
   }
 }

我建议使用 htmlagility 来解析任何 dom/xml 类型的 a。

阅读文档；

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

通过 Xpath 定义 RegX 解析很好，但分组 ext。问题使工作变得复杂

doc.DocumentNode.SelectSingleNode(XPath here)      

或

doc.DocumentNode.SelectNodes("//img")  // this should give all img tags 

喜欢。

我建议这样做，因为似乎 rss 提供了一些 html 内容；） 所以得到xml， 使用 XMLDoc 解析获取您需要的 html 内容 然后通过这个获取所有图像。 公开答案。

评论后我认为只需要正则表达式； 我的模式是

 <img.+?src=[\"'](.+?)[\"'].*?>

用于输入

<img src='img1single.jpg'>
<img src="img2double.jpg">

结果看起来不错 在 .net 中，您必须通过 foreach 通过

.Groups[1].Value

问候。