上次有個朋友來問了一個關於seo方面的問題,把Html文檔中的所有圖片的alt屬性值替換成指定的值。首先我們就想到用正則表達式,目標任務:只替換img標籤的alt屬性值。
alt屬性可能不只有img有,所以限定只替換img的alt屬性。輸入的話,一個html文檔差不多有上萬行代碼。所以用簡單粗暴的查找替換是可恥的。正則纔是比較優雅的解決之道。
現在我們來分析一下我們要替換的字符串的特徵。
1、以“<img"開頭;
2、帶有alt屬性;
3、img標籤到alt屬性之間存在未知的字符。
嗯,我們先解決第一步,找出img標籤,寫出如下:/<img[^>]*>/g
接下來這就是找到有alt屬性的,寫出如下: /<img[^>]*alt=('|")(.*?)\1.*>/g
其實解決第二步並沒有這麼簡單,都是碰到了很多問題後面才寫出來的,包括img到alt這一段之間的字符如何處理,以及alt到閉合標籤"/>"之間的情況,而且有些代碼的img標籤都沒有寫對正確的閉合標籤,類似:<img src="***.jpg" >,所以寫的正則表達式需要兼容這種錯誤的標籤的情形。
好了, 借用電競三醜的一口頭禪:可以,不跟你多BB。上代碼:
static void Main(string[] args)
{
try
{
//調用
ReplaceAlt(
"<\\s*img([^>]*?)alt=('|\")(.*?)\\2",
RegexOptions.IgnoreCase | RegexOptions.Multiline,
"<img$1alt='d.pan'",
@"E:\MyJob\VS2012_Space\TestConsole\atesthtml.txt",
@"E:\MyJob\VS2012_Space\TestConsole\output.txt"
);
}
catch( Exception ex )
{
}
}
/// <summary>
/// 對輸入文件執行替換的正則表達式
/// </summary>
/// <param name="RegStr">正則表達式</param>
/// <param name="OptObj">正則對象選項枚舉</param>
/// <param name="ReplaceStr">替換的表達式</param>
/// <param name="InputPath">輸入文件路徑</param>
/// <param name="OutputPath">輸出文件路徑</param>
/// <returns></returns>
public static bool ReplaceAlt( string RegStr, RegexOptions OptObj, string ReplaceStr, string InputPath , string OutputPath )
{
//輸入文檔,這裏是爲了摸擬
StreamReader SR = null;
//輸出文檔
StreamWriter SW = null;
try
{
SR = new System.IO.StreamReader( InputPath );
SW = new System.IO.StreamWriter( OutputPath );
string InputSt = SR.ReadToEnd();
//正則表達式
Regex ImgReg = new Regex( RegStr , OptObj );
//執行替換
SW.WriteLine( ImgReg.Replace( InputSt , ReplaceStr ) );
return true;
}
catch( Exception Ex )
{
//異常處理
return false;
}
finally
{
//關閉文件
if( null != SR )
{
SR.Close();
SR = null;
}
if( null != SW )
{
SW.Close();
SW = null;
}
}
}
這裏需要解釋一下,代碼中使用的正則表達式是:<\s*img([^>]*?)alt=('|")(.*?)\2,
替換的是:<img$1alt='這裏是我想要替換的值'。
因爲我們只需要替換alt的值,所以alt屬性之後的那一段字符串,我們不需要理會,因爲alt的值有可能使用了單引號或者是雙引號,我們這裏使用分組(第二個分組)從而解決這種問題,但是爲什麼前面的img到alt屬性之前也使用了一個分組(第一個分組)?這個分組是在替換時使用的,$1表示了上面正則表達式第一個分組的值,這樣就可以完全的複製過來,只需要替換alt的值就可以了。
測試結果:
輸入文本:
輸出結果: