URL correspondant à Regex par sous-dossier

Question

J'essaie d'écrire essentiellement un mappeur d'URL sortant afin de pouvoir remplacer un flux d'URL contenant des URL pour pointer vers mon CDN. Je ne peux pas utiliser le module de réécriture d'URL IIS comme j'utilise la compression. J'ai actuellement un regex qui correspond à un sous-dossier pour un à-dire de type de fichier spécifique

Regex ASSET_PATH = new Regex(@"(?i)assets/([A-Za-z0-9\-_/.]+)\.(jpg|jpeg|bmp|tiff|png|gif|js|css|mov|mp4|ogg|avi|mp3)", RegexOptions.Compiled | RegexOptions.CultureInvariant | RegexOptions.IgnoreCase); 

Cela fonctionne très bien et me permet de manipuler quoi que ce soit dans la chaîne à partir de ce moment-là (ie de « actifs/» à compter du droite). Qu'est-ce que je dois réaliser est de manipuler la chaîne à gauche du sous-dossier "assets /", sans nécessairement connaître le format? Voici quelques exemples:

<img src="./assets/123/pig.jpg" /> 
<img src="http://mysite.blah/assets/123/pig.jpg" /> 
<img src="http://www.mysite.blah/assets/123/pig.jpg" /> 
<img src='assets/123/pig.jpg' /> 

dans des styles css/inline:

background-image : URL('assets/123/pig.jpg') 
background-image : URL(http://www.mysite.blah/assets/123/pig.jpg) 

De toute façon, je pense que vous obtenez l'image. Je veux essentiellement être capable de regarder à la "gauche" du mot "actifs" jusqu'à ce que je puisse trouver le point de départ logique de l'URL et ensuite manipuler à partir de là pour pointer vers mon CDN.

Je ne suis pas sûr que cela est possible regex, donc des suggestions en utilisant une combinaison de regex/C#/HTML Agilité Pack sont les bienvenus

Answer 1

Est-ce que vous êtes après?

(?<BeforeAssets>.*?(?:\/|^))assets\/(?<AfterAssets>[A-Za-z0-9\-_\/.]+)\.(?<FileExtension>jpg|jpeg|bmp|tiff|png|gif|js|css|mov|mp4|ogg|avi|mp3)

Vous pouvez essayer ici: http://regexstorm.net/tester Ou ici: https://regex101.com/r/b8XxcF/1

NB: Dans le regex ci-dessus je me suis évadé de la barre oblique vers l'avant. .Net ne l'exige pas, mais ne se plaint pas; et ce faisant, cela est compatible avec d'autres moteurs Regex; ce qui signifie qu'il peut être testé sur Regex101.

Lors du test avec les outils dont vous aurez besoin de spécifier les MultiLine ou SingleLine options pour obtenir l'exemple où assets/ n'a rien qui le précède, car sinon le caractère ^ ne correspond pas au début de cette ligne. Cette option peut ne pas être requise dans votre code; c'est-à-dire si vous ne faites correspondre qu'une chaîne à la fois, plutôt qu'un bloc entier de texte.

---

Mise à jour

Toutes mes excuses pour une lecture erronée; vous analysez la page HTML complète; pas seulement les URI retournés depuis cette page. Pour ce faire, vous pouvez utiliser quelque chose comme:

["'\(](?<BeforeAssets>[^"'\(\)]*?)assets\/(?<AfterAssets>[A-Za-z0-9\-_\/.]+)\.(?<FileExtension>jpg|jpeg|bmp|tiff|png|gif|js|css|mov|mp4|ogg|avi|mp3)

(heureusement personnages ", ' et ( sont illégales dans l'URL, devrait donc être OK pour détecter le début d'une variable. https://tools.ietf.org/html/rfc3986#section-2.2)

Ce n'est pas infaillible; Il est préférable d'utiliser un outil d'analyse HTML, puis d'extraire les URI de cela; mais si vous faites tout avec regex, j'espère que cela vous aidera.