C#获取Html中的图片元素路径

正则表达式内容汇总

1 元字符

　　正则表达式（Regular Expression，Regex），是计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。这里汇总了一些正则表达式的常用元字符。

元字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“n”匹配字符“n”。“\n”匹配一个换行符。串行“\\”匹配“\”而“\(”则匹配“(”。
^	匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。
*	匹配前面的子表达式零次或多次。例如，zo*能匹配“z”以及“zoo”。*等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
?	匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“does”或“does”中的“do”。?等价于{0,1}。
{n}	n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
?(非贪婪)	当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。
.	匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符，请使用像“(.|\n)”的模式。
(pattern)	获取分组，匹配pattern并获取这一匹配。正则表达式中的括号会默认进行分组，在C#中，match.Groups[0]是完整的匹配结果，match.Groups[1]是第一个括号内的匹配结果，match.Groups[2]是第二个括号内的匹配结果，依次类推。要匹配圆括号字符，请使用“\(”或“\)”。
(?:pattern)	非获取分组，匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“cit(?:y|ies)”就是一个比“city|cities”更简略的表达式。
(?=pattern)	正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。
(?!pattern)	正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。
(?<=pattern)	反向肯定预查，与正向肯定预查类拟，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。
(?<!pattern)	反向否定预查，与正向否定预查类拟，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“p”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
\B	匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
\d	匹配一个数字字符。等价于[0-9]。
\D	匹配一个非数字字符。等价于[^0-9]。
\f	匹配一个换页符。等价于\x0c和\cL。
\n	匹配一个换行符。等价于\x0a和\cJ。
\r	匹配一个回车符。等价于\x0d和\cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于[^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于\x09和\cI。
\v	匹配一个垂直制表符。等价于\x0b和\cK。
\w	匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。
\W	匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。

2 简单使用

　　看一个栗子，从一个字符串中查找所有的url，这里为了简单我们只匹配以http或者https开头的，以.com结尾的网址，代码如下，正则表达式是【https?:\/\/([0-9a-z]+\.)+com】，其中【https?】中的？表示前一个字符s出现0或1次；【\/】为转义表示/；【([0-9a-z]+\.)+】中的[0-9a-z]+表示1个或多个小写字母或数字，\.为转义，表示.，综合下来这部分表示格式为xxx.xx的字符串；最后的【com】就表示com：

        static void Main(string[] args)
        {
            //待匹配的字符串
            string content = @"23ftp://haha.cn794http://www.baidu.coml222jjhttps://helloworld.comxxyyhelhttp://blog.cscs.comhelloworld";
            //声明url匹配规则对象
            Regex regex = new Regex(@"https?:\/\/([0-9a-z]+\.)+com");
            MatchCollection matches = regex.Matches(content);
            if (matches != null && matches.Count > )
            {
                foreach (Match match in matches)
                {
                    Console.WriteLine(match.Value);
                }
            }
            Console.ReadKey();
        }

　　执行结果如下：

3 I 或的使用

　　有时候我们的匹配规则不止一种，就要使用到【|】了，如：x|y表示匹配x或者y，(z|f)ood”匹配“zood”或“food”。看一个栗子：

        static void Main(string[] args)
        {
            //待匹配的字符串
            string content = @"xxxhelloxxxxyyyyyworldxxx";
            //声明匹配规则对象，并设定匹配规则
            Regex regex = new Regex(@"hellox*|worldx+");
            //Match match = regex.Match(content);
            MatchCollection matches = regex.Matches(content);
            if (matches != null && matches.Count > )
            {
                foreach (Match match in matches)
                {
                    Console.WriteLine(match.Value);
                }
            }
        }

　　运行结果如下：

4 非贪婪模式

　　上边栗子【hellox*】匹配到helloxxxx，为什么不是匹配到hello或者hellox呢？这是因为*，+，{n,}，{n,m}等限定符默认都是重复尽可能多的。如果我们想让重复尽量能少，只需要在限定符的后边加上一个?即可，如*?、+？等，现在我们把上边的栗子改成非贪婪模式：

            //待匹配的字符串
            string content = @"xxxhelloxxxxyyyyyworldxxx";
            //声明匹配规则对象，并设定匹配规则
            Regex regex = new Regex(@"hellox*?|worldx+?");
            MatchCollection matches = regex.Matches(content);
            if (matches != null && matches.Count > )
            {
                foreach (Match match in matches)
                {
                    Console.WriteLine(match.Value);
                }
            }

　　运行程序如下：

5 获取分组和非获取分组

　　如果我们要一次将邮箱全址、邮箱用户名、邮箱种类都匹配出来就可以用到分组，正则表达式中括号作用是提高优先级和分组。

　　如有一个邮箱的正则表达式【([a-zA-Z0-9_]+)@([a-zA-Z0-9]+)\.com】，这里为了简单，邮箱都以.com结尾。这个正则表达式用到了两个括号，这两个括号就是分组，将正则表达式分成了三组，第0组是整个匹配结果，第1组是第一个括号里面的内容（用户名），第二组是第二个括号里面的内容（邮箱类型），我们可以通过Match的Groups对象来访问各个分组。代码如下：

       static void Main(string[] args)
        {
            //待匹配的字符串
            string content = @"wyy@qq.com//www.baidu.yinyue.com^l222/email@163.comjjhelloworld.comxxyyhelblog.cscs.comhelloworld";
            //声明匹配规则对象，并设定匹配规则
            Regex regex = new Regex(@"([a-zA-Z0-9_]+)@([a-zA-Z0-9]+)\.com");
            MatchCollection matches = regex.Matches(content);
            foreach (Match match in matches)
            {
                Console.WriteLine($"完整邮箱：{match.Groups[0].Value}，用户名：{match.Groups[1].Value}，邮箱类型：{match.Groups[2].Value}");
            }
        }

　　程序运行如下：

　　分组是耗费性能的，有时候我们使用括号仅仅只是为了提高优先级，怎么实现在使用括号的同时避免分组呢？这就需要使用非获取分组(?:pattern)，我们改写下上边的栗子，不去获取用户名和邮箱类型，只需要在括号内加上【?:】即可，代码如下：

        static void Main(string[] args)
        {
            //待匹配的字符串
            string content = @"wyy@qq.com//www.baidu.yinyue.com^l222/email@163.comjjhelloworld.comxxyyhelblog.cscs.comhelloworld";
            //声明匹配规则对象，并设定匹配规则
            Regex regex = new Regex(@"(?:[a-zA-Z0-9_]+)@(?:[a-zA-Z0-9]+)\.com");
            MatchCollection matches = regex.Matches(content);
            foreach (Match match in matches)
            {
                Console.WriteLine($"完整邮箱：{match.Groups[0]?.Value}，用户名：{match.Groups[1]?.Value}，邮箱类型：{match.Groups[2]?.Value}");
            }
        }
    }

　　程序运行结果如下，可以看到用户名和邮箱类型的分组没有被捕获：

6 正向预查

　　有时候我们会遇到这样的需求：在成绩单字符串【班级:1 姓名:张三 性别:男 成绩:100 班级:1 姓名:李四 性别:女 成绩:80 班级:2 姓名:王五 性别:男 成绩:90 班级:2 姓名:赵六 性别:女,成绩:80】中查询所有男生的姓名。我们发现一个规律男生姓名后边的内容都是【 性别:男】，知道这个规律后我们只需要找出后边内容是【 性别:男】的单词就可以了。

　　这时就要用到正向预查，正向预查有两种：正向肯定预查(?=pattern)和正向否定预查(?!pattern)，针对上边的需求这里使用正向肯定预查，正则表示式为【\b\w+\b(?=\s+性别:男)】，表示查询后边内容式【[空格] 性别:男】的单词，代码如下：

    class Program
    {
        static void Main(string[] args)
        {
            //待匹配的字符串
            string content = @"班级:1 姓名:张三 性别:男 成绩:100 班级:1 姓名:李四 性别:女 成绩:80 班级:2 姓名:王五 性别:男 成绩:90 班级:2 姓名:赵六 性别:女,成绩:80";
            //正向肯定预查，后边内容是【性别:男】的单词就是男生的姓名
            Regex regex = new Regex(@"\b\w+\b(?=\s+性别:男)");
            MatchCollection matches = regex.Matches(content);
            Console.Write("男生名单：");
            foreach (Match match in matches)
            {
                Console.Write($"{match.Value} ");
            }
            Console.WriteLine();
        }
    }

　　运行程序，结果如下：

　　正向否定预查(?!pattern)表示后边的内容不是指定内容，用法和正向肯定预查一样，这里不再演示了。

7 反向预查

　　反向预查和正向预查的作用的用法都很类似，正向预查是往后预读，而反向预查则是往前预读。反向预查也分为两种：反向肯定预查(?<=pattern)和反向否定预查(?<!pattern)。

　　还是用分析成绩单的栗子，如果需求改成查询班级1的学生姓名该怎么实现呢？我们发现规律：前边的内容是【班级:1 姓名:】的单词就是班级1学生的姓名，所以我们只需要查找前边内容为【班级:1 姓名:】的单词即可，代码如下：

        static void Main(string[] args)
        {
            //待匹配的字符串
            string content = @"班级:1 姓名:张三 性别:男 成绩:100 班级:1 姓名:李四 性别:女 成绩:80 班级:2 姓名:王五 性别:男 成绩:90 班级:2 姓名:赵六 性别:女,成绩:80";
            //反向肯定预查，前边的内容是【班级:1 姓名:】就是1班学生的姓名
            Regex regex = new Regex(@"(?<=班级:1\s+姓名:)\b\w+\b");
            MatchCollection matches = regex.Matches(content);
            Console.Write("1班名单：");
            foreach (Match match in matches)
            {
                Console.Write($"{match.Value} ");
            }
            Console.ReadKey();
        }

程序运行如下：

　　反向否定预查(?<!pattern)表示前边的内容不是指定内容，用法和反向肯定预查一样，这里不再演示了。

8 开发中遇到的一个小案例

　　使用Ueditor的时候把文章以HTML标签的方式存在数据库中，同时要将文章的第一张图片的路径一并存入数据库，所以就需要在Html中获取第一个图片的路径，如果文章没有图片的话则设置一个默认的图片。代码如下：

1.获取html中第一张图片路径的方法：

  /// <summary>
         /// 获取第一个图片上传路径
         /// </summary>
         /// <param name="source">html文本</param>
         /// <returns>图片的路径</returns>
         public static string GetImageSrcPath(string source)
         {
             string srcPath = "";
             string strRegExPattern = @"<img[^>]+(src)\s*=\s*""?([^ "">]+)""?(?:[^>]+(width|height)\s*=\s*""?([^ "">]+)""?\s+(height|width)\s*=\s*""?([^ "">]+)""?)?(?:[^>]+(alt)\s*=\s*""?([^"">]+)""?)?";
             Regex re = new Regex(strRegExPattern, RegexOptions.IgnoreCase);
             Match m = re.Match(source);
             if (m.Success)
             {
                 srcPath = m.Groups[].Value;
             }
             string defaultImg = "/ueditor/net/upload/image/20180723/default.jpg";
             return string.IsNullOrEmpty(srcPath) ? defaultImg : srcPath;
         }

　　 2.获取html所有图片路径的方法（删除文章同时删除所有的图片时就要用到了）

         /// <summary>
         /// 获取所有图片上传路径
         /// </summary>
         /// <param name="source"></param>
         /// <returns></returns>
         public static List<string> GetImgSrcList(string source)
         {
             List<string> imgSrcList = new List<string>();
             string strRegExPattern = @"<img[^>]+(src)\s*=\s*""?([^ "">]+)""?(?:[^>]+(width|height)\s*=\s*""?([^ "">]+)""?\s+(height|width)\s*=\s*""?([^ "">]+)""?)?(?:[^>]+(alt)\s*=\s*""?([^"">]+)""?)?";
             Regex re = new Regex(strRegExPattern, RegexOptions.IgnoreCase);
             MatchCollection matches = re.Matches(source);
             foreach (Match m in matches)
             {
                 imgSrcList.Add(m.Groups[].Value);
             }

             if (imgSrcList.Count == )
             {
                 //一个默认图片
                 imgSrcList.Add("/ueditor/net/upload/image/20180713/default.jpg");
             }
             return imgSrcList;
         } 

常用正则表达式

用户名	/^[a-z0-9_-]{3,16}$/    3-16位数字字母下划线组成的用户名
密码	/^[a-z0-9_-]{6,18}$/    6-18位数字字母下划线组成的密码
电子邮箱	/^([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})$/
URL	/^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$/
IP 地址	/^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$/
手机号码	^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
国内电话	\d{3}-\d{8}|\d{4}-\d{7}
邮编	[1-9]\d{5}(?!\d)
QQ	[1-9][0-9]{4,}
15位身份证	^[1-9]\d{5}\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\d{2}$
18位身份证	^[1-9]\d{5}(18|19|([23]\d))\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\d{3}[0-9Xx]$
Unicode编码中的汉字范围	/^[\u2E80-\u9FFF]+$/

 参考文章

　　【1】http://tool.oschina.net/uploads/apidocs/jquery/regexp.html

　　【2】https://blog.csdn.net/qq_38507850/article/details/79179128