C#获取一段HTML文本中的第一张图片和截取内容摘要代码

有时候我们获得到的数据是一段HTML文本、也许这段文本里面有许多图片、需要截取一张作为标题图片、也就是做为主图、这时就可以用到下面这个方法获取到第一张图片

#region 获取第一张图片
/// <summary>
/// 获取HTML文本的图片地址
/// </summary>
/// <param name="content"></param>
/// <returns></returns>/
/// 
public ArrayList getimgurl(string html)
{
    ArrayList resultStr = new ArrayList();
    Regex r = new Regex(@"<IMG[^>] src=s*(?:´(?<src>[^´] )´|""(?<src>[^""] )""|(?<src>[^>s] ))s*[^>]*>", RegexOptions.IgnoreCase);//忽视大小写
    MatchCollection mc = r.Matches(html);

    foreach (Match m in mc)
    {
        resultStr.Add(m.Groups["src"].Value.ToLower());
    }
    if (resultStr.Count > 0)
    {
        return resultStr;
    }
    else
    {
        resultStr.Clear();
        return resultStr;
    }
}
#endregion

注意、上面所返回的是一个ArrayList 集合、包含了文本里面所有的Img的src、这样我们就可以访问到img的src了

有时候我们得到的数据是一段HTML文本、需要截取HTML文本的一部分作为内容摘要、此时、我们可以运用下面这个方法

 #region 新闻内容摘要
/// <summary>
/// 新闻内容摘要
/// </summary>
/// <param name="sString"></param>
/// <param name="nLeng"></param>
/// <returns></returns>
public string GetContentSummary(string content, int length, bool StripHTML)
{
    if (string.IsNullOrEmpty(content) || length == 0)
        return "";
    if (StripHTML)
    {
        Regex re = new Regex("<[^>]*>");
        content = re.Replace(content, "");
        content = content.Replace("　", "").Replace(" ", "");
        if (content.Length <= length)
            return content;
        else
            return content.Substring(0, length)   "……";
    }
    else
    {
        if (content.Length <= length)
            return content;

        int pos = 0, npos = 0, size = 0;
        bool firststop = false, notr = false, noli = false;
        StringBuilder sb = new StringBuilder();
        while (true)
        {
            if (pos >= content.Length)
                break;
            string cur = content.Substring(pos, 1);
            if (cur == "<")
            {
                string next = content.Substring(pos   1, 3).ToLower();
                if (next.IndexOf("p") == 0 && next.IndexOf("pre") != 0)
                {
                    npos = content.IndexOf(">", pos)   1;
                }
                else if (next.IndexOf("/p") == 0 && next.IndexOf("/pr") != 0)
                {
                    npos = content.IndexOf(">", pos)   1;
                    if (size < length)
                        sb.Append("<br/>");
                }
                else if (next.IndexOf("br") == 0)
                {
                    npos = content.IndexOf(">", pos)   1;
                    if (size < length)
                        sb.Append("<br/>");
                }
                else if (next.IndexOf("img") == 0)
                {
                    npos = content.IndexOf(">", pos)   1;
                    if (size < length)
                    {
                        sb.Append(content.Substring(pos, npos - pos));
                        size  = npos - pos   1;
                    }
                }
                else if (next.IndexOf("li") == 0 || next.IndexOf("/li") == 0)
                {
                    npos = content.IndexOf(">", pos)   1;
                    if (size < length)
                    {
                        sb.Append(content.Substring(pos, npos - pos));
                    }
                    else
                    {
                        if (!noli && next.IndexOf("/li") == 0)
                        {
                            sb.Append(content.Substring(pos, npos - pos));
                            noli = true;
                        }
                    }
                }
                else if (next.IndexOf("tr") == 0 || next.IndexOf("/tr") == 0)
                {
                    npos = content.IndexOf(">", pos)   1;
                    if (size < length)
                    {
                        sb.Append(content.Substring(pos, npos - pos));
                    }
                    else
                    {
                        if (!notr && next.IndexOf("/tr") == 0)
                        {
                            sb.Append(content.Substring(pos, npos - pos));
                            notr = true;
                        }
                    }
                }
                else if (next.IndexOf("td") == 0 || next.IndexOf("/td") == 0)
                {
                    npos = content.IndexOf(">", pos)   1;
                    if (size < length)
                    {
                        sb.Append(content.Substring(pos, npos - pos));
                    }
                    else
                    {
                        if (!notr)
                        {
                            sb.Append(content.Substring(pos, npos - pos));
                        }
                    }
                }
                else
                {
                    npos = content.IndexOf(">", pos)   1;
                    sb.Append(content.Substring(pos, npos - pos));
                }
                if (npos <= pos)
                    npos = pos   1;
                pos = npos;
            }
            else
            {
                if (size < length)
                {
                    sb.Append(cur);
                    size  ;
                }
                else
                {
                    if (!firststop)
                    {
                        sb.Append("……");
                        firststop = true;
                    }
                }
                pos  ;
            }

        }
        return sb.ToString();
    }
}
#endregion

注意、方法中的bool StripHTML参数表示是否以HTMl文本方式输出、如果为True的话表示去除HTML标签与样式、截取到的是纯文本、反之就是以HTMl文本输出、这样我们就可以根据自己喜欢的方式来输出文本