C#正则匹配转义引号包裹的src/href指定后缀资源链接

正则表达式方案 #

针对你的需求，以下正则可以精准匹配被转义引号包裹、属于src或href属性且带有指定后缀（pdf/jpg/png/gif）的资源链接：

string pattern = @"(?<=src=\\\""|href=\\\"").*?\.(?:pdf|jpg|png|gif)(?=\\\")";

正则逻辑解释 #

• (?<=src=\\\""|href=\\\"")：正向预查，确保匹配内容的前缀是src=\"或href=\"，限定只匹配这两个属性内的链接
• .*?：非贪婪模式匹配任意字符，避免过度匹配到属性外的内容
• \.(?:pdf|jpg|png|gif)：匹配指定的文件后缀，使用非捕获组减少不必要的分组开销
• (?=\\\")：正向预查，确保匹配内容的后缀是转义引号\"，保证只捕获属性值内部的链接

C#代码示例 #

using System;
using System.Text.RegularExpressions;

public class ResourceLinkExtractor
{
    public static void Main()
    {
        // 模拟从JSON读取的HTML字符串（包含转义引号）
        string htmlFromJson = "<a href=\"http://www.mysite.no/webdocs/mypdf.pdf\">Download</a><img src=\"http://www.mysite.no/assets/photo.png\" title=\"photo.png\">";
        
        string pattern = @"(?<=src=\\\""|href=\\\"").*?\.(?:pdf|jpg|png|gif)(?=\\\")";
        MatchCollection matches = Regex.Matches(htmlFromJson, pattern);
        
        foreach (Match match in matches)
        {
            Console.WriteLine("捕获到的资源链接: " + match.Value);
        }
    }
}

运行结果：

捕获到的资源链接: http://www.mysite.no/webdocs/mypdf.pdf
捕获到的资源链接: http://www.mysite.no/assets/photo.png

可以看到，title属性中的photo.png不会被匹配，完全符合需求。

之前尝试的问题分析 #

1. 第一个正则未限定src/href属性范围，会匹配所有转义引号内的带后缀内容（比如alt/title属性值），导致错误捕获。
2. 第二个正则使用[^\s]*贪婪匹配，且未限定结束的引号边界，会过度捕获到属性外的标签内容，出现错误匹配。

内容的提问来源于stack exchange，提问作者Greger Gundersen