上次有个朋友来问了一个关于SEO方面的问题,把Html文档中的所有图片的alt属性值替换成指定的值。首先我们就想到用正则表达式,目标任务:只替换img标签的alt属性值。
alt属性可能不只有img有,所以限定只替换img的alt属性。输入的话,一个html文档差不多有上万行代码。所以用简单粗暴的查找替换是可耻的。正则才是比较优雅的解决之道。
现在我们来分析一下我们要替换的字符串的特征。
1、以“<img"开头;
2、带有alt属性;
嗯,我们先解决第一步,找出img标签,写出如下:/<img[^>]*>/g
接下来这就是找到有alt属性的,写出如下: /<img[^>]*alt=('|")(.*?)\1.*>/g
其实解决第二步并没有这么简单,都是碰到了很多问题后面才写出来的,包括img到alt这一段之间的字符如何处理,以及alt到闭合标签"/>"之间的情况,而且有些代码的img标签都没有写对正确的闭合标签,类似:<img src="***.jpg" >,所以写的正则表达式需要兼容这种错误的标签的情形。
好了, 借用电竞三丑的一口头禅:可以,不跟你多BB。上代码:
static void Main(string[] args) { try { //调用 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> /// 对输入文件执行替换的正则表达式 /// </summary> /// <param name="RegStr">正则表达式</param> /// <param name="OptObj">正则对象选项枚举</param> /// <param name="ReplaceStr">替换的表达式</param> /// <param name="InputPath">输入文件路径</param> /// <param name="OutputPath">输出文件路径</param> /// <returns></returns> public static bool ReplaceAlt( string RegStr,RegexOptions OptObj,string ReplaceStr,string InputPath,string OutputPath ) { //输入文档,这里是为了摸拟 StreamReader SR = null; //输出文档 StreamWriter SW = null; try { SR = new System.IO.StreamReader( InputPath ); SW = new System.IO.StreamWriter( OutputPath ); string InputSt = SR.ReadToEnd(); //正则表达式 Regex ImgReg = new Regex( RegStr,OptObj ); //执行替换 SW.WriteLine( ImgReg.Replace( InputSt,ReplaceStr ) ); return true; } catch( Exception Ex ) { //异常处理 return false; } finally { //关闭文件 if( null != SR ) { SR.Close(); SR = null; } if( null != SW ) { SW.Close(); SW = null; } } }
这里需要解释一下,代码中使用的正则表达式是:<\s*img([^>]*?)alt=('|")(.*?)\2,
替换的是:<img$1alt='这里是我想要替换的值'。
因为我们只需要替换alt的值,所以alt属性之后的那一段字符串,我们不需要理会,因为alt的值有可能使用了单引号或者是双引号,我们这里使用分组(第二个分组)从而解决这种问题,但是为什么前面的img到alt属性之前也使用了一个分组(第一个分组)?这个分组是在替换时使用的,$1表示了上面正则表达式第一个分组的值,这样就可以完全的复制过来,只需要替换alt的值就可以了。
测试结果:
输入文本:
输出结果: