URLアクセスしHTMLタグ内から先頭のimgタグを抽出する方法について

C# R.N

こんにちは、エンジニアのR.Nです。

今回のテクヤンは、
C#と正規表現を用いて、特定URLへアクセスし、
対象のタグを抽出する方法をご紹介致します。
まず、URLより、HTMLタグを抽出方法を、以下のサンプルで説明します。

HTMLタグ抽出

【HTMLタグ抽出サンプルコード】

　using System.Net;

  string html = string.Empty;

　// HTML取得
  using (WebClient wc = new WebClient())
  {
  　　html = wc.DownloadString("http://mindfree.jp");
  }

変数名：htmlに、指定したURLページのHTMLがすべて返ってきます。
この文字列から、正規表現を使いimgタグを抽出します。

HTMLタグ抽出＋imgタグ抽出

【HTMLタグ抽出＋imgタグ抽出サンプルコード】

　using System.Net;
　using System.Text.RegularExpressions;

  string html = string.Empty;

　// HTML取得
  using (WebClient wc = new WebClient())
  {
  　　html = wc.DownloadString("http://mindfree.jp");
  }

　// imgタグ取得
　string img = "<img src=\"(?<text>.*?)\".*?>";
  Regex reImage = new Regex(img, RegexOptions.IgnoreCase | RegexOptions.Singleline);
  for (Match m = reImage.Match(html); m.Success; m = m.NextMatch())
  {
　　string u = m.Groups["text"].Value;
　}

m.Groups["text"].Valueからimgタグのsrcの値だけを抽出します。

例）
imgタグ：<img src="/common/images/nav_freemind.png" alt="FREEMIND">
m.Groups["text"].Value：/common/images/nav_freemind.png

サイトで使用しているアイコン、
画像情報を簡単に抽出することができますね。