正则表达式帮助：需要抓取图像（经典 ASP）

Question

我在经典 asp 中使用以下表达式，成功抓取任何带有 .jpg 和 .png 后缀的图像标签。

re.Pattern = " ]*src=[""'][^ >]*(jpg|png)[""']"

我发现的问题是我需要使用的许多网站实际上并未使用后缀。所以，我需要一个新的正则表达式来找到一个图像标签并抓取 src 属性中的任何内容。

听起来很简单，但如果不自己编写正则表达式来在 Classic ASP 中完成此任务似乎是不可能的（这是不可能的）。

请指教。

Answer 1

要在img src 上明确匹配，您可以这样做：

\<img src\=\"(\w+\.(gif|jpg|png)\")

然后，如果您只想要 img src 中的值，则可以匹配以图片扩展名结尾的引号中的任何内容（但这可能会导致误报，具体取决于您想要的内容）：

\w+\.(gif|jpg|png)

但要在确保它遵循img src 的同时仅匹配该值，您需要一个否定的前瞻来执行此操作（请注意，我在那里添加了一个匹配组）：

(?!.*\<img src\=\")(\w+\.(gif|jpg|png))

现在包括在您的图像源中包含图像链接的可能性：

(?!.*\<img src\=\")([\/\.\-\:\w]+\.(gif|jpg|png)?[\?\w+\%]+)

然后让我们通过修复 (gif|jpg|png) 之后的惰性量词并将其移动到下一组（匹配您可能在 JS 链接中获得的数据等）之后删除我们得到的误报，并确保我们有一个结束引用：

(?!.*\<img src\=\")([\/\.\-\:\w]+\.(gif|jpg|png)([\?\w+\%]+)?)(?=\")

注意：这将匹配此数据，但正则表达式不解析 HTML，我个人不建议使用正则表达式来查看 HTML 数据，除非您在就事论事。如果您想通过脚本进行一些 URL/图像抓取，请查看 XML/HTML 解析器。

样本数据：

<a href="myfile.htm"><img src="picture.gif"></a>
<a href="index.htm"><img src="pic859.jpg"></a>
<a href="page-57.htm"><img src="859.png"></a>
<img id="test1" class="answer1" src="text.jpg">
<img src="http://media.site.com/media/img/staff/2013/ROTHBARD-350_s90x126.jpg?e3e29f4a7131cd3bc7c4bf334be801215db5e3c2%22%3E">
<img src="yahoo.com/images/imagename.gif">

HTML Source