1

我有一个源字符串

<img src="./CaptchaServlet?rd=htb54m" class="flt"  id="captcha" height="33" width="110"/>

我想提取CaptchaServlet?rd=xxxxxx".

我试过但没有工作请任何人帮助我,我的正则表达式如下

r = New Regex("CaptchaServlet?rd=*(.+?)""", RegexOptions.IgnoreCase Or RegexOptions.Compiled)
4

2 回答 2

2

描述

CaptchaServlet?rd=*(.+?)""你写的表达式有几个错误:

  • 第一个?意味着使前面的t可选。我认为您确实打算将问号设为文字问号,因此您需要将其转义为\?
  • *等号之后的意思也允许出现=零或更多时间直到无限次。这有点模棱两可,并且鉴于您的源字符串可能有 1 或 0 等号,那么您可能想=*用 a替换它,=?这只是使=可选的,

就个人而言,我会重写表达式以积极避免在 HTML 中使用正则表达式和模式匹配时出现的一些常见问题。我的表达是:

  • 捕获 src 属性值
  • 适用于双引号、单引号和非引号值
  • 避免棘手的边缘情况,这些情况通常会使简单的表达式出错

<img(?=\s|>)(?=(?:[^>=]|='[^']*'|="[^"]*"|=[^'"][^\s>]*)*?\ssrc=(['"]?)(.*?)\1(?:\s|>))(?:[^>=]|='[^']*'|="[^"]*"|=[^'"][^\s>]*)*>

在此处输入图像描述

或者,如果您只想提取rd可以使用的查询字符串值:<img(?=\s|>)(?=(?:[^>=]|='[^']*'|="[^"]*"|=[^'"][^\s>]*)*?\ssrc=(['"]?)\.\/CaptchaServlet\?rd=(.*?)\1(?:\s|>))(?:[^>=]|='[^']*'|="[^"]*"|=[^'"][^\s>]*)*>. 这会将 xxxxxx 放入捕获组 2

例子

现场演示

示例文本

注意前两个图像标签有一些非常困难的边缘情况

<img onmouseover=' img = 10; src="NotYourImage.png" ; if (3 <img && src="NotYourImage.png" && 6>3) { funRotate(src) ; } ; ' src="ImageYouAreLookingFor.png">
<img onmouseover=' src="NotTheDroidsYouAreLookingFor.png" ; if (x > 3) { funRotate(src); } ' src="http://another.example/picture.png">
<img src="./CaptchaServlet?rd=htb54m" class="flt" id="captcha" height="33" width="110"/>

VB.Net 示例

Imports System.Text.RegularExpressions
Module Module1
  Sub Main()
    Dim sourcestring as String = "replace with your source string"
    Dim re As Regex = New Regex("<img(?=\s|>)(?=(?:[^>=]|='[^']*'|=""[^""]*""|=[^'""][^\s>]*)*?\ssrc=(['""]?)\.\/CaptchaServlet\?rd=(.*?)\1(?:\s|>))(?:[^>=]|='[^']*'|=""[^""]*""|=[^'""][^\s>]*)*>
",RegexOptions.IgnoreCase OR RegexOptions.IgnorePatternWhitespace OR RegexOptions.Multiline OR RegexOptions.Singleline)
    Dim mc as MatchCollection = re.Matches(sourcestring)
    Dim mIdx as Integer = 0
    For each m as Match in mc
      For groupIdx As Integer = 0 To m.Groups.Count - 1
        Console.WriteLine("[{0}][{1}] = {2}", mIdx, re.GetGroupNames(groupIdx), m.Groups(groupIdx).Value)
      Next
      mIdx=mIdx+1
    Next
  End Sub
End Module

火柴

第 0 组获取整个图像标签
第 1 组获取用于围绕 src 属性的引号,用于确保匹配正确的结束引号
第 2 组获取 src 值,或者如果您使用上面的备用正则表达式,将只收到rd 查询字符串

[0][0] = <img onmouseover=' img = 10; src="NotYourImage.png" ; if (3 <img && src="NotYourImage.png" && 6>3) { funRotate(src) ; } ; ' src="ImageYouAreLookingFor.png">
[0][1] = "
[0][2] = ImageYouAreLookingFor.png

[1][0] = <img onmouseover=' src="NotTheDroidsYouAreLookingFor.png" ; if (x > 3) { funRotate(src); } ' src="http://another.example/picture.png">
[1][1] = "
[1][2] = http://another.example/picture.png

[2][0] = <img src="./CaptchaServlet?rd=htb54m" class="flt" id="captcha" height="33" width="110"/>
[2][1] = "
[2][2] = ./CaptchaServlet?rd=htb54m
于 2013-08-20T04:39:44.080 回答
1

尝试这个:

CaptchaServlet\?rd=[^"]*

...只要双引号从不作为数据的一部分出现,这将起作用。:)

我强烈建议您查看http://regexhero.net/,它会在测试 .net 正则表达式时真正帮助您。

编辑:改进了正则表达式。之前它只适用于字母数字字符。

于 2013-08-20T01:47:56.297 回答