java获取Html文本中的img标签下src中的内容

asfx站长

2020.10.20 07:30:00 阅读 498

```java
/**
     * 从html中解析img的src字段值，且剔除重复的
     * @param htmlStr
     * @return
     */
    public static List<String> getImgFromHtml(String htmlStr){
        if(StringUtils.isBlank(htmlStr)) return null;
        List<String> pics = new ArrayList<>();
        String img = null;
        Pattern p_image;
        Matcher m_image;
        String regEx_img = "<img.*src\\s*=\\s*(.*?)[^>]*?>";
        p_image = Pattern.compile(regEx_img, Pattern.CASE_INSENSITIVE);
        m_image = p_image.matcher(htmlStr);
        Map<String, String> map = new HashMap<>();
        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\\s*=\\s*\"?(.*?)(\"|>|\\s+)").matcher(img);
            while (m.find()) {
                String imgUrl = m.group(1);
                if(map.get(imgUrl) == null){
                    pics.add(imgUrl);
                    map.put(imgUrl, imgUrl);
                }
            }
        }
        return pics;
    }
```