用于在 Internet 上查找带有 src 的 HTML 图像标记的正则表达式模式

Question

我在理解正则表达式模式语法时遇到了一些问题。 我正在使用 Outlook interop 来查看 email.msg 的 HTMLbody。

我想删除所有引用互联网的图片。 所以我使用Regex.Replace 来查找所有图像标签并用文本替换它们。

这就是我的：

string altText = " <i>*Reference to picture on the internet removed*</i> "; string b = Regex.Replace(a, @"(<img([^>]+)>)", altText);

这可行，但我想从互联网上找到只有src 的标签。 我在谷歌搜索中找到了这个：

string matchString = Regex.Match(a, "<img.+?src=[\"'](.+?)[\"'].*?>", RegexOptions.IgnoreCase).Groups[1].Value;

但这无济于事，因为看起来所有图像都有src标签。我的目标是尽可能在Regex 中编写模式语法，我检查源（src）是否以 http、https 或 www 开头。

有没有人可以帮助我解决这个问题？

Answer 1

我建议使用 HTML 解析器来查找您的图像标签，而不是直接使用正则表达式。然后，如果需要，您可以使用正则表达式来检查 src 属性。

与此同时，我相信以下正则表达式会产生您所期望的结果：

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

正则表达式案例：Regex

编辑 还要注意的是，有时链接可以以// 开头。以下正则表达式应该这样做：

<img.+?src=[\"']((?:https?|www|//).*)[\"'].*?>

如需更广泛的正则表达式解决方案匹配网址，请参阅What is a good regular expression to match a URL?