图片网址的正则表达式

问题描述

| 我已经在使用HtmlAgilityPack解析页面，并获取大多数img来源。但是，许多网站在img src属性（例如，内联javascript，其他属性，其他元素）之外的其他位置都包含img网址。我想投放一个稍宽的网，并在整个html字符串上运行一个正则表达式，以捕获正则表达式中的以下内容。 必须以http：//，https：//，//或/开头 然后，任意数量的有效网址路径字符 必须以.jpeg，.jpg，.png或.gif结尾 我想这很容易写，但是我不是一个很棒的正则表达式。我想这些零件看起来像这样 ^（（https？\\：\\ / \\ /）|（\\ / {1,2}）） （有任何想法吗？） （。（jpe？g | png | gif））$ 谁能帮我填补空白？ 谢谢 回答

(https?:)?//?[^\\\'\"<>]+?\\.(jpg|jpeg|gif|png)

    

解决方法

        有很多用于匹配URL的临时正则表达式，但是据我所知，它们都没有声称完全可靠。但是，这将尝试满足您的条件。 根据[1]，有效的URL字符（不保留）是字母数字和符号

$-_.+!*\'(),

。但是，也有保留字符，即[2]简明地给出的ѭ2字符-我在大部分RFC中都找不到列表。我知道还有其他用于查询字符串的字符，即ѭ3so，因此需要包含在内。然后，您遇到了一个问题，即并非每个人都正确地编码了他们的URL字符，因此在其他内容中可能会出现空格（我不知道如何解释，因为浏览器如何自动更正这些内容可能会令人迷惑）。 因此，您可能只是假设URL中可以包含任何内容，但仅仅是它必须以特定的内容开头并以特定的内容（您提供的内容）结尾，但这仍然是不可靠的。

@(https?:)?//?[^\'\"<>]+?\\.(jpg|jpeg|gif|png)@

    ,        

(?:([^:/?#]+):)?(?://([^/?#]*))?([^?#]*\\.(?:jpg|gif|png))(?:\\?([^#]*))?(?:#(.*))?