正则表达式 使用总结

1、匹配a标签  ： <a.*?href=(.*?)>

 

2、正则匹配页面所有A标签或Img标签

先贴一个匹配正则的方法供大家参考：

public static ArrayList CutStr(string sStr, string Patrn)  
        {  
            ArrayList al = new ArrayList();  
            try  
            {  
                Regex tmpreg = new Regex(Patrn, RegexOptions.Compiled);  
                MatchCollection sMC = tmpreg.Matches(sStr);  
                if (sMC.Count != 0)  
                {  
                    for (int i = 0; i < sMC.Count; i++)  
                    {  
                        al.Add(sMC[i].Groups[0].Value);  
                    }  
                }  
            }  
            catch (System.Exception ex)  
            {  
                Log.WriteLog("检查出错：Exception:" + ex.Message + "\r\nStackTace:" + ex.StackTrace + "\r\n Rule:" + Patrn);  
            }  
            return al;  
        }  

MatchCollection对象取Group的方法很好用。推荐！！

 

匹配页面所有A标签正则：  <a.+?href=\"(.+?)\".*>(.+)</a>     

 

这个只能匹配不换行的A。一换行就完蛋。换这个试试：<a[^>]+?href=\"([^\"]+)\"[^>]*>([^<]+)</a>

 

继续添加改进版本：可以匹配href后面跟 单引号，双引号或者不跟符号的情况：

<a[^>]+?href=["']?([^"']+)["']?[^>]*>([^<]+)</a>

 

匹配页面所有Img标签正则：   <img(.*?)>

 

在另一篇博文中看到一个关于正则匹配img标签的例子，贴过来看一下：

 

 

<img(?!.*?logo).*>

<img - 开头数据
(?! - 负向预查后面的字符
.*?贪婪匹配logo前面所有数据
(?!.*?logo) - 意为匹配所有不包含logo
.*> 则是 匹配所有换行前的>      -  此处不使用 .*? 进行贪婪主要是为了避免 alt="abc>" 这样中间出现> 字符的情况

不过上面会出现个特例情况

例如

<img src="abc.jpg" alt="logo图片">  alt提示包含logo
<img src="test.jpg" logo=1 >  自定义属性


如果考虑这些情况，正则可以再细化到src位置

<img(.*?)(src)=\"(?!.*?logo).*>

正则表达式基础教程：http://www.w3cschool.cc/regexp/regexp-tutorial.html