图像url的正则表达式
我已经使用HtmlAgilityPack解析页面,并获得大多数img源代码。 然而,许多网站在img src属性以外的地方包含img url(例如内联javascript,不同的属性,不同的元素)。 我想投一个稍微宽一点的网并在整个html字符串上运行一个正则表达式,在正则表达式中捕获以下内容。
- 必须以http://,https://,//或/开头
- 然后,任意数量的有效url路径字符
- 必须以.jpeg,.jpg,.png或.gif结尾
我想这写起来很简单,但我不是一个很棒的正则表达式。 我想这些部件看起来像这样
- ^((HTTPS \:\ / \ /)|(\ / {1,2}))
- (有任何想法吗?)
- ((JPE G |?PNG | GIF))$
任何人都可以帮助我填补空白吗?
谢谢
回答
(https?:)?//?[^\'"]+?\.(jpg|jpeg|gif|png)
有许多用于匹配URL的临时正则表达式,但我所知道的没有一个声称完全可靠。 但是,这个将尝试满足您的条件。
根据[ 1 ],有效的URL字符(未保留)是字母数字和符号$-_.+!*'(),
但是,也有保留字符,它们是+/?%#&
,简要地由[ 2 ]给出 – 我在RFC的大部分内找不到列表。 我知道有其他字符用于查询字符串,即=;
那些需要包容的人。 然后你会遇到不是每个人都正确编码他们的URL字符的问题,因此空间可能存在于其他事物中(我不知道如何解释浏览器如何自动纠正事情可能是神秘的)。
因此,您可能只是假设任何内容都可以在URL中,但只是它必须以特定内容开头并以特定内容(您提供的内容)结束,但这仍然是不可靠的。
@(https?:)?//?[^'"<>]+?\.(jpg|jpeg|gif|png)@
(?:([^:/?#]+):)?(?://([^/?#]*))?([^?#]*\.(?:jpg|gif|png))(?:\?([^#]*))?(?:#(.*))?