Список ссылок на картинки из html C#
Нужно парсить список ссылок на картинки из html-кода, вот что получилось:
Проблема в том, что картинки на странице могут быть не только под тегом <img>, как выдернуть ссылки на вообще все картинки со страницы?
например из таких конструкций:
Код:
Queue qe = new Queue();
Regex regexExtractURLs = new Regex(@"(?<=<img .*?src\s*=\s*"")[^""]+(?="".*?>)", RegexOptions.IgnoreCase | RegexOptions.Singleline);
MatchCollection mcURLs = regexExtractURLs.Matches(page);
foreach (Match mMatch in mcURLs)
qe.Enqueue(mMatch.ToString().Trim());
Regex regexExtractURLs = new Regex(@"(?<=<img .*?src\s*=\s*"")[^""]+(?="".*?>)", RegexOptions.IgnoreCase | RegexOptions.Singleline);
MatchCollection mcURLs = regexExtractURLs.Matches(page);
foreach (Match mMatch in mcURLs)
qe.Enqueue(mMatch.ToString().Trim());
например из таких конструкций:
Код:
.gbts{background:url(//ssl.gstatic.com/gb/images/b_8d5afc09.png);
Не знаю поможет или нет, но я бы не стал связываться с регулярками в этом вопросе. Во-первых, документ может генерироваться при помощи JavaScript например, соответственно в исходном коде может просто не быть того что нужно, и во-вторых CSS часто находится в других файлах.
Есть замечательный интерфейс IHTMLDocument2 и IHTMLDocument3 где можно выбрать все картинки при помощи getElementsByTagName('img')
А в IHTMLStyleSheet и других можно побегать по всем правилам в поисках background'ов
Есть замечательный интерфейс IHTMLDocument2 и IHTMLDocument3 где можно выбрать все картинки при помощи getElementsByTagName('img')
А в IHTMLStyleSheet и других можно побегать по всем правилам в поисках background'ов