正則表達式從HTML中匹配img標簽的圖片地址
前言
有玩過爬蟲的人應該都有過在又臭又長的HTML中找尋信息的經歷，雖然有各種工具和各種框架可以輔助查找，但是解析HTML的規則也是人想的，制定規則也是十分麻煩的。
恰好在個人的項目中，需要從某個網站中爬取圖片，好在需求比較簡單，所以試著使用正則表達式來解決。
分析
每個網站中展示圖片的地方，無非就是img標簽或者style中background-image和background，先解決img標簽中的圖片。
首先，地址在標簽的src屬性之中，所以找尋src的位置是必須的。但是不隻有img標簽擁有src屬性，video和style也同樣擁有src屬性。因此，隻匹配src的位置是不夠，還得確保這個src的位置在img標簽中。
然後，就是匹配src後面的地址，匹配地址的方法已經有許多文章描述過瞭，不再多說，但本文中用瞭一個比較取巧的方式去匹配。
總的思路就是先匹配src的位置，在獲取圖片地址。
正則表達式
- 首先是匹配src的位置，既然是找位置，那就需要用的正則表達式中預查(?)，因為需要的圖片地址是在src後面，所以用反向肯定預查，所以初步確定正則表達式可寫成:
/(?<=判斷條件)/ 至於反向肯定預查的判斷條件，就是在img之後的src，所以正則表達式改成如下： /(?<=(img src="))/ 之所以匹配src=", 是因為想要直接就匹配到地址的開頭位置，於是就順手加上。
但是，因為img和src之間可能還存在class或者其他自定義屬性，所以還要加上這些可能存在字符的匹配。但是因為這些字符的種類比較多，如雙引號""，英文、數字、甚至是中文等等，一一匹配過於麻煩，有個取巧的方式就是匹配非>。
眾所周知，>在HTML中是一個標簽的結尾，所以它不可能出現在img標簽內的img字符和src字符的中間，所以匹配位置的正則表達式可寫成: /(?<=(img[^>]*src="))/
可以看到，能夠成功找到圖片地址的開頭位置。
- 既然位置找到瞭，那剩下的就是匹配地址瞭。這裡可以使用其他相關文章說的匹配地址的正則表達式，但是和上面一樣，同樣可以取巧。
在HTML標簽中，圖片地址是以雙引號"開頭和結尾的，上面的匹配位置已經匹配到圖片開頭的雙引號之後，那麼圖片地址還剩下一個雙引號，就是結尾的那個。
那麼，直接匹配所有連續不為"的字符不就可以瞭，思路可能有點復雜，但是寫起來簡單：
/[^"]*/
- 因此，總的正則表達式為:
/(?<=(img[^>]*src="))[^"]*/g結尾加個g是表示匹配所有符合條件的字符串，現在就可以匹配出圖片地址瞭：
總結
到此這篇關於正則表達式從HTML中匹配img標簽圖片地址的文章就介紹到這瞭,更多相關正則表達式匹配img標簽圖片地址內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！