C# htmlの中からaltの中身だけを抜きだす

質問

C#での質問です。

とあるウェブページのhtmlの中から、そのhtmlに存在する全てのaltタグの中身のテキストだけを取り出し、その文字数をカウントしたいと考えております。

<img src="http://test" alt="AAA">あいうえお<img src="http://test" alt="BBB">

例えば、上記のようなHTMLソースがあったとしら、altの中身は合計で「AAABBB」の６文字になりますが、この「６」という数値を導きたいということです。

分かるかたがいらっしゃいましたら、ぜひご享受くださいm(__)m

回答No.3

mk48a

1行ごとにalt="の位置を検索して次の”の位置までの文字数をカウントする。
検索はstring.IndexOf()でできます。
先頭座標が取得されるのでalt="の文字数分だけずらしてやります。
これで1行の文字数が取得できるので、すべての行の文字数を取得して足しあわせるだけです。

文字数の取得は正規表現を使うと簡潔に記述できるかもしれません。

お礼

なんとか正規表現でやれそうな感じがします。

ありがとうございました。

回答No.2

Tacosan

余計なことかもしれんけど, それ「タグ」じゃないからね.

お礼

そうなんですね。ありがとうございました。

回答No.1

Wr5

HtmlDocumentクラスのメソッドとか使えばおそらく取れるとは思われますが……。

>altの中身は合計で「AAABBB」の６文字になりますが、この「６」という数値を導きたいということです。

「AAああああ」の場合は何文字になるんでしょう？

補足

回答ありがとうございます。

その場合も６文字としてカウントするようにしたいと思っています。