c# - 您如何解析图像标签的 HTML 字符串以获取 SRC 信息？

Question

目前我使用 .Net WebBrowser.Document.Images() 来执行此操作。它需要 Webbrowser 来加载文档。很乱，很占资源。

根据 this question XPath 在这方面优于正则表达式。

有人知道如何在 C# 中执行此操作吗？

Answer 1

如果您的输入字符串是有效的 XHTML，您可以将其视为 xml，将其加载到 xmldocument 中，然后执行 XPath 魔术 :) 但情况并非总是如此。

否则你可以试试这个函数，它会从 HtmlSource 返回所有图片链接:

public List<Uri> FetchLinksFromSource(string htmlSource)
{
    List<Uri> links = new List<Uri>();
    string regexImgSrc = @"<img[^>]*?src\s*=\s*[""']?([^'"" >]+?)[ '""][^>]*?>";
    MatchCollection matchesImgSrc = Regex.Matches(htmlSource, regexImgSrc, RegexOptions.IgnoreCase | RegexOptions.Singleline);
    foreach (Match m in matchesImgSrc)
    {
        string href = m.Groups[1].Value;
        links.Add(new Uri(href));
    }
    return links;
}

你可以像这样使用它:

HttpWebRequest request = (HttpWebRequest)WebRequest.Create("http://www.example.com");
request.Credentials = System.Net.CredentialCache.DefaultCredentials;
HttpWebResponse response = (HttpWebResponse)request.GetResponse();
if (response.StatusCode == HttpStatusCode.OK)
{
    using(StreamReader sr = new StreamReader(response.GetResponseStream()))
    {
        List<Uri> links = FetchLinksFromSource(sr.ReadToEnd());
    }
}