从html源码中获取图片链接地址和视频链接地址

2022年5月24日 40次阅读 来源: 梅川酷紫

从HTML源码获取资源地址

1、img标签截取正则表达式


String PICTURE_REGEX = "<img\\b[^<>]*?\\bsrc[\\s\\t\\r\\n]*=[\\s\\t\\r\\n]*[\"\"']?[\\s\\t\\r\\n]*(?<imgUrl>[^\\s\\t\\r\\n\"\"'<>]*)[^<>]*?/?[\\s\\t\\r\\n]*>";

2、video标签截取正则表达式


String VIDEO_REGEX = "<video\\b[^<>]*?\\bsrc[\\s\\t\\r\\n]*=[\\s\\t\\r\\n]*[\"\"']?[\\s\\t\\r\\n]*(?<videoUrl>[^\\s\\t\\r\\n\"\"'<>]*)[^<>]*?/?[\\s\\t\\r\\n]*>";

3、资源地址截取正则表达式


String SRC_REGEX = "src\\s*=\\s*\"?'?(.*?)(\"|'|>|\\s+)";

4、截取代码


public static final String PICTURE_REGEX = "<img\\b[^<>]*?\\bsrc[\\s\\t\\r\\n]*=[\\s\\t\\r\\n]*[\"\"']?[\\s\\t\\r\\n]*(?<imgUrl>[^\\s\\t\\r\\n\"\"'<>]*)[^<>]*?/?[\\s\\t\\r\\n]*>";

public static final String VIDEO_REGEX = "<video\\b[^<>]*?\\bsrc[\\s\\t\\r\\n]*=[\\s\\t\\r\\n]*[\"\"']?[\\s\\t\\r\\n]*(?<videoUrl>[^\\s\\t\\r\\n\"\"'<>]*)[^<>]*?/?[\\s\\t\\r\\n]*>";

public static final String SRC_REGEX = "src\\s*=\\s*\"?'?(.*?)(\"|'|>|\\s+)";
/** * 从html源码中获取图片或视频链接地址 * @param htmlStr 目标html字符串 * @return */
public static Set<String> getImgOrVideoSrc(String htmlStr) { 
        Set<String> pics = new HashSet<>(); //用set接收可以有效去重
        String img = "";
        Pattern p_image = p_image = Pattern.compile(PICTURE_REGEX, Pattern.CASE_INSENSITIVE);
        // 图片链接地址
        Matcher m_image = p_image.matcher(htmlStr);
        while (m_image.find()) { 
            // 得到<img />数据
            img = m_image.group();
            // 匹配<img>中的src数据
            Matcher m = Pattern.compile(SRC_REGEX).matcher(img);
            while (m.find()) { 
                pics.add(m.group(1));
            }
        }
        return pics;
    }

获取到资源url想下载，可以参考一下博客
HttpClient 通过资源URL下载资源.

    原文作者：梅川酷紫
    原文地址: https://blog.csdn.net/chenjun9205/article/details/103405694
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞