Java中使用正则表达式获取网页中所有图片的路径
程序员文章站
2024-03-05 14:04:36
/**
* 从html源码中提取图片路径,最后以一个 string 类型的 list 返回,如果不包含任何图片,则返回一个 size=0 的list
*...
/** * 从html源码中提取图片路径,最后以一个 string 类型的 list 返回,如果不包含任何图片,则返回一个 size=0 的list * 需要注意的是,此方法只会提取以下格式的图片:.jpg|.bmp|.eps|.gif|.mif|.miff|.png|.tif|.tiff|.svg|.wmf|.jpe|.jpeg|.dib|.ico|.tga|.cut|.pic * @param htmlcode html源码 * @return <img>标签 src 属性指向的图片地址的list集合 * @author carl he */ public static list<string> getimagesrc(string htmlcode) { list<string> imagesrclist = new arraylist<string>(); pattern p = pattern.compile("<img//b[^>]*//bsrc//b//s*=//s*('|/")?([^'/"/n/r/f>]+(//.jpg|//.bmp|//.eps|//.gif|//.mif|//.miff|//.png|//.tif|//.tiff|//.svg|//.wmf|//.jpe|//.jpeg|//.dib|//.ico|//.tga|//.cut|//.pic)//b)[^>]*>", pattern.case_insensitive); matcher m = p.matcher(htmlcode); string quote = null; string src = null; while (m.find()) { quote = m.group(1); src = (quote == null || quote.trim().length() == 0) ? m.group(2).split("//s+")[0] : m.group(2); imagesrclist.add(src); } return imagesrclist; }
下一篇: 浅谈cookie和session(小结)