ASP擷取網頁全部圖片地址並儲存為數組的正則_應用技巧

目前還是有BUG的,最新的測試頁面在: http://www.reallydo.com/getimg.asp
正則分析頁面在: http://jorkin.reallydo.com/article.asp?id=380 
發現BUG請在後面留言,謝謝.
1.31修正
src=後面有空格不能正確匹配.已修正.
src=''為空白時出錯.已修正.
發現BUG: 圖片路徑有多個空格時只能保留一個.未修正.
2.18修正
圖片路徑有多個空格時只能保留一個的BUG.已修正.

複製代碼 代碼如下:

<% 
'功能:擷取全部圖片地址,儲存到一個數組. 
'來源:http://jorkin.reallydo.com/article.asp?id=448 
'需要ReplaceAll函數:http://jorkin.reallydo.com/article.asp?id=406 

Function getIMG(sString) 
    Dim sReallyDo, regEx, iReallyDo 
    Dim oMatches, cMatch 
    '//定義一個空數組 
    iReallyDo = -1 
    ReDim aReallyDo(iReallyDo) 
    If IsNull(sString) Then 
        getIMG = "" 
        Exit Function 
    End If 
    '//格式化HTML代碼 
    '//將每個 <img 換行 方便正則替換 
    sReallyDo = sString 
    On Error Resume Next 
    sReallyDo = Replace(sReallyDo, vbCr, " ") 
    sReallyDo = Replace(sReallyDo, vbLf, " ") 
    sReallyDo = Replace(sReallyDo, vbTab, " ") 
    sReallyDo = Replace(sReallyDo, "<img ", vbCrLf & "<img ", 1, -1, 1) 
    sReallyDo = Replace(sReallyDo, "/>", " />", 1, -1, 1) 
    sReallyDo = ReplaceAll(sReallyDo, "= ", "=", True) 
    sReallyDo = ReplaceAll(sReallyDo, "> ", ">", True) 
    sReallyDo = Replace(sReallyDo, "><", ">" & vbCrLf & "<") 
    sReallyDo = Trim(sReallyDo) 
    On Error GoTo 0 
    Set regEx = New RegExp 
    regEx.IgnoreCase = True 
    regEx.Global = True 
    '//去除onclick,onload等指令碼 
    regEx.Pattern = "\s[on].+?=([\""|\'])(.*?)\1" 
    sReallyDo = regEx.Replace(sReallyDo, "") 
    '//將SRC不帶引號的圖片地址加上引號 
    regEx.Pattern = "<img.*?\ssrc=([^\""\'\s][^\""\'\s>]*).*?>" 
    sReallyDo = regEx.Replace(sReallyDo, "<img src=""$1"" />") 
    '//正則匹配圖片SRC地址 
    regEx.Pattern = "<img.*?\ssrc=([\""\'])([^\""\']+?)\1.*?>" 
    Set oMatches = regEx.Execute(sReallyDo) 
    '//將圖片地址存入數組 
    For Each cMatch in oMatches 
        iReallyDo = iReallyDo + 1 
        ReDim Preserve aReallyDo(iReallyDo) 
        aReallyDo(iReallyDo) = regEx.Replace(cMatch.Value, "$2") 
    Next 
    getIMG = aReallyDo 
End Function 
%>