從 HTML 字符串中提取所有 `` 標簽的 `src` 屬性值。提供正則表達式方案 (命名捕獲組) 和專業 HTML 解析器方案對比。
public static List GetPadImg(string htmlText)
{
var list = new List();
// 命名捕獲組 (?...) 直接提取 src 值
var regImg = new Regex(
@"
]*?\bsrc\s*=\s*[""']?\s*(?[^\s""'<>]*)[^<>]*?/?\s*>",
RegexOptions.IgnoreCase | RegexOptions.Singleline
);
MatchCollection mc = regImg.Matches(htmlText);
foreach (Match m in mc)
{
list.Add(m.Groups["imgUrl"].Value);
}
return list;
}
| 片段 | 含義 |
|---|---|
| ` | 匹配 ` |
| `[^<>]*?` | 非貪婪匹配非尖括號字符 (屬性區) |
| `\bsrc\s*=\s*` | 匹配 `src=` 允許空格 |
| [""']?` | 可選引號 (單雙引或無引號) |
| `\s*(? | **核心**:捕獲非空白、非引號、非尖括號字符為 src 值 |
| `[^<>]*?/?\s*>` | 匹配剩餘屬性、可選自閉合 `/`、結束 `>` |
// NuGet: Install-Package HtmlAgilityPack
using HtmlAgilityPack;
public static List GetImgSrcsWithHap(string html)
{
var list = new List();
var doc = new HtmlDocument();
doc.LoadHtml(html);
// XPath 精確選擇所有 img 元素的 src 屬性
var nodes = doc.DocumentNode.SelectNodes("//img[@src]");
if (nodes != null)
{
foreach (var node in nodes)
{
var src = node.GetAttributeValue("src", "");
if (!string.IsNullOrEmpty(src))
list.Add(HttpUtility.HtmlDecode(src)); // 解碼實體
}
}
return list;
}
// 進階:同時獲取 data-src (懶加載)
var nodes = doc.DocumentNode.SelectNodes("//img[@src or @data-src]");
foreach (var node in nodes)
{
var src = node.GetAttributeValue("src", "")
?? node.GetAttributeValue("data-src", "");
if (!string.IsNullOrEmpty(src)) list.Add(HttpUtility.HtmlDecode(src));
}
| 維度 | 正則表達式 | HtmlAgilityPack |
|---|---|---|
| 準確性 | ~85% (易漏提/誤提) | 99.9%+ (標準解析器) |
| 性能 | 極快 (單次掃描) | 較慢 (構建 DOM 樹) |
| 依賴 | 無 (內置) | NuGet 包 (~500KB) |
| 屬性解碼 | 手動處理 | 自動 `HtmlDecode` |
| 容錯性 | 脆弱 | 極強 (修復殘缺 HTML) |
| 推薦場景 | 簡單提取、已知格式固定、極高性能要求 | **生產環境、通用 HTML、複雜屬性、需解碼** |
// .NET 6+ System.Text.RegularExpressions 源生成器 (性能優化)
[GeneratedRegex(@"
]*?\bsrc\s*=\s*[""']?\s*(?[^\s""'<>]*)",
RegexOptions.IgnoreCase | RegexOptions.Singleline)]
private static partial Regex ImgSrcRegex();
// .NET 7+ HTML 解析器 (實驗性/預覽)
// 目前無官方完整 HTML 解析器,建議仍用 HtmlAgilityPack 或 AngleSharp