首页 文章

正则表达式<img>使用src，width，height进行标记解析

提问于
浏览 次
7

你可能会回应这个说H TML Parsing using regex is a totally bad idea ，例如this，你是对的 .

但在我的情况下，下面的html节点是由我们自己的服务器创建的，所以我们知道它总是这样，并且由于正则表达式将在_2789411中，我不想使用像Jsoup这样的库 .

What I want to parse ： <img src="myurl.jpg" width="12" height="32">

What should be parsed ：

  • 匹配常规img标记，并将src属性值分组： <img[^>]+src\\s*=\\s*['\"]([^'\"]+)['\"][^>]*>

  • width和height属性值： (width|height)\s*=\s*['"]([^'"]*)['"]*

因此，第一个正则表达式将具有带有img url的＃1组，而第二个正则表达式将具有与其值的子组的两个匹配 .

How can I merge both?

期望的输出：

  • img url

  • 宽度值

  • 身高值

java android html regex

3 回答

  • 3

    如果你想把这两者结合起来就是答案 .

    <img\s+src="([^"]+)"\s+width="([^"]+)"\s+height="([^"]+)"

    我测试的样品

    <img src="rakesh.jpg" width="25" height="45">

    试试这个

    回复于
  • 0

    要将 img 标记与 src ， height 和 width 属性匹配，这些属性可以按任何顺序排列，并且实际上是可选的，您可以使用

    "(<img\\b|(?!^)\\G)[^>]*?\\b(src|width|height)=([\"']?)([^>]*?)\\3"

    请参阅regex demo和IDEONE Java demo：

    String s = "<img height=\"132\" src=\"NEW_myurl.jpg\" width=\"112\"><link src=\"/test/test.css\"/><img src=\"myurl.jpg\" width=\"12\" height=\"32\">";
Pattern pattern = Pattern.compile("(<img\\b|(?!^)\\G)[^>]*?\\b(src|width|height)=([\"']?)([^\"]*)\\3");
Matcher matcher = pattern.matcher(s);
while (matcher.find()){
    if (!matcher.group(1).isEmpty()) { // We have a new IMG tag
        System.out.println("\n--- NEW MATCH ---");  
    }
    System.out.println(matcher.group(2) + ": " + matcher.group(4));
}

    正则表达式详细信息：

    • (<img\\b|(?!^)\\G) - 与 <img> 标记开始匹配的初始边界或上一次成功匹配的结束

    • [^>]*? - 匹配我们不感兴趣的任何可选属性（除了 > 之外的0个字符以便留在标签内） - \\b(src|width|height)= - 整个单词 src= ， width= 或 height=

    • ([\"']?) - 检查属性值分隔符的技术第3组

    • ([^>]*?) - 包含属性值的第4组（除了 > 之外的0个字符，尽可能少于第一个

    • \\3 - 属性值分隔符与组3匹配（如果分隔符可能为空，则为 NOTE ，在模式末尾添加 (?=\\s|/?>) ）

    逻辑：

    • 匹配 img 标记的开头

    • 然后，匹配内部的所有内容，但只捕获我们需要的属性

    • 由于我们将要有多个匹配，而不是组，我们需要为每个新的 img 标记找到边界 . 这是通过检查第一组是否为空来完成的（ if (!matcher.group(1).isEmpty()) ）

    • 剩下要做的就是添加一个列表以保持匹配 .

    回复于
  • 0

    你可能想要这个：
    “（Ⅰ'）（SRC |宽度|高度）= \” \ “”（*？）

    Update:

    我误解了你的问题，你需要这样的东西：

    "(?i)<img\\s+src=\"(.*?)\"\\s+width=\"(.*?)\"\\s+height=\"(.*?)\">"

    Regex101 Demo

    Update 2

    下面的正则表达式将以任何顺序捕获 img 标记属性：

    "(?i)(?><img\\s+)src=\"(.*?)\"|width=\"(.*?)\"|height=\"(.*?)\">"

    Regex101 Demo v2

    回复于

相关问题