用正規表示式自動下載網頁中的圖片

iDotNetSpace發表於2009-07-24
網頁
首先獲得網頁的Html程式碼，然後用正規表示式分析其中圖片的下載地址，最後自動逐個下載。


 using System.Net;
 
 //// 
 /// Download Image from website
 /// better to put into threads
 /// 
 private void DownloadImage()
 {
      WebClient c = new WebClient();

      //Get html code
      string content = c.DownloadString(Uri);
      
      Collection<string> address = new Collection<string>();
      Collection<string> name = new Collection<string>();
      
      //Analyse html code to get images address(Uri) and (Name) list
      ParseHtml(content, Prefix, PicUriPrefix + @"(?[^""]*?)"">(?[^", address, name);
      
      if (address.Count > 0 && name.Count > 0 && address.Count == name.Count)
      {
          if (Directory.Exists(folder) == false) Directory.CreateDirectory(folder);//Create folder
      
          foreach (string add in address)
          {
              //Download images one by one
              c.DownloadFile(add, Path.Combine(folder, name[address.IndexOf(add)] + ".jpg"));
          }
      }
  }

  /// 
  /// Parse Html using regular expressions
  /// 
  /// Html content
  /// Uri prefix
  /// regular expression
  /// Image addresses collection
  /// Image names collection
  private void ParseHtml(string content, string prefix, string expression, Collection<string> address, Collection<string> name)
  {
      if (String.IsNullOrEmpty(expression) || address == null || name == null) return;

      Regex re = new Regex(expression, RegexOptions.IgnoreCase | RegexOptions.Singleline | RegexOptions.RightToLeft);
      MatchCollection mc = re.Matches(content);
                
      if (mc == null || mc.Count == 0) return;

      foreach (Match m in mc)
      {
          address.Add(prefix + m.Groups["Uri"].Value);
         name.Add(m.Groups["Name"].Value);
      }
  } 

Html部分程式碼如下：

alt="" src="/docfile/dyn/12345678LANGCCCCDDDDEEEEEEEERT09">BMW 3-seriesdt>\par
alt="" src="/docfile/dyn/12345678LANGCCCCDDDDEEEEEEEEEE01">Toyotadt>\par
alt="" src="/docfile/dyn/12345678LANGCCCCDDDDEEEEEEEEJY25">Polo crossdt>\par
alt="" src="/docfile/dyn/12345678LANGCCCCDDDDEEEEEEEEMO02">Golf 4.5dt>\par

要用正規表示式從中獲得圖片下載地址（例如：/docfile/dyn/12345678LANGCCCCDDDDEEEEEEEERT09）和圖片名稱（例如：BMW 3-series）

正規表示式部分如下：

@"/docfile/dyn/(?[^""]*?)"">(?[^"

注意其中group的用法(? *?)，和引號的匹配用法，匹配雙引號前面需要再帶一個雙引號。其中Uri這個group在dyn/後面，直到雙引號結束；後面跟隨著雙引號和>，然後就是Name這個group；它以。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/12639172/viewspace-610370/，如需轉載，請註明出處，否則將追究法律責任。

相關文章