Question

c# 怎么截取网页代码中的指定字符串

假设获取了一个网页的代码并赋值给string变量html，网页代码有两种情况：
只包括一个OLDSRC="123.jpg"，怎么获取字符串123,jpg ？（也可能是其他不同长度的字符串，如OLDSRC="23333.jpg"，要求获取23333.jpg）
包括多个src=，但是只有一个是src="/oldimage/xxxxx.jpg"，怎么获取字符串"/oldimage/xxxxx.jpg"？
的一种情况是网页代码里面只有一个“OLDSRC=”字符串

Answer 1

C#获取指定网页HTML原代码可使用 WebClient WebRequest HttpWebRequest 三种方式来实现。
当然也可使用webBrowse！在此就不研究webBrowse如何获取了。
WebClient

private string GetWebClient(string url)
{
string strHTML = "";
WebClient myWebClient = new WebClient();
Stream myStream = myWebClient.OpenRead(url);
StreamReader sr = new StreamReader(myStream, System.Text.Encoding.GetEncoding("utf-8"));
strHTML = sr.ReadToEnd();
myStream.Close();
return strHTML;
}

WebRequest

private string GetWebRequest(string url)
{
Uri uri = new Uri(url);
WebRequest myReq = WebRequest.Create(uri);
WebResponse result = myReq.GetResponse();
Stream receviceStream = result.GetResponseStream();
StreamReader readerOfStream = new StreamReader(receviceStream, System.Text.Encoding.GetEncoding("utf-8"));
string strHTML = readerOfStream.ReadToEnd();
readerOfStream.Close();
receviceStream.Close();
result.Close();
return strHTML;
}

HttpWebRequest

private string GetHttpWebRequest(string url)
{
Uri uri = new Uri(url);
HttpWebRequest myReq = (HttpWebRequest)WebRequest.Create(uri);
myReq.UserAgent = "User-Agent:Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.2; .NET CLR 1.0.3705";
myReq.Accept = "*/*";
myReq.KeepAlive = true;
myReq.Headers.Add("Accept-Language", "zh-cn,en-us;q=0.5");
HttpWebResponse result = (HttpWebResponse)myReq.GetResponse();
Stream receviceStream = result.GetResponseStream();
StreamReader readerOfStream = new StreamReader(receviceStream, System.Text.Encoding.GetEncoding("utf-8"));
string strHTML = readerOfStream.ReadToEnd();
readerOfStream.Close();
receviceStream.Close();
result.Close();
return strHTML;
}

注意“utf-8”应与指定网页的编码对应。
总结
可以看到HttpWebRequest 方式最复杂，但确提供了更多的选择性。

Answer 2

你是用什么得到的网页源代码？
httpwebrequest还是Webbrowser?
第一种情况就很简单：
string s="你的内容";
int i=s.IndexOf("OLDSRC=\"");
int j=s.LastIndexOf("\"");
s=s.Substring(i,j-i);

第二种情况：
可以用循环来截取，然后来判断

追问

我用的是WebClient，另外LastIndexOf("\"");不行的，因为OLDSRC=“xxxxx,jpg”的后面还有其他引号

追答

肯定可以的，找到关键字，先删除到关键字，然后再截取；我就是通过原有的函数自己写了几个截取字符串的函数，任何截取不成问题；

例如：
A:123,b:456,C:789,D:123
关键是要找到关键字，找到关键字先移除再截取，当然原有的字符串要保留的话，可以另外再定义个字符串等于移除后的字符串；

Answer 3

用正规表达式很好搞定的

string text = "DSRC=\"23333.jpg\"";
string pat = "\"(.+?)\"";

Regex r = new Regex(pat, RegexOptions.IgnoreCase);

Match m = r.Match(text);

while (m.Success)
{
........

}

追问

第一种情况是 OLDSRC="xxxxx.jpg"（只是xxxxx一般是数字，所以我的提问用的是数字），要取出字符串xxxxx.jpg，并且OLDSRC=在网页代码只出现一次

追答

有问题吗?正规是取引号中间的东西..不管你里面是什么内容.都可以的.