使用 preg_replace_callback() 从 HTML 字符串中提取所有图像
Posted
技术标签:
【中文标题】使用 preg_replace_callback() 从 HTML 字符串中提取所有图像【英文标题】：Using preg_replace_callback() to extract all images from a string of HTML 【发布时间】：2011-07-25 08:19:16 【问题描述】：这里是棘手的 preg_replace_callback 函数 - 诚然，我不擅长 PRCE 表达式。
我正在尝试从 html 字符串中提取所有 img src 值，将 img src 值保存到数组中，并将 img src 路径替换为本地路径（不是远程路径）。即我可能有，周围有很多其他 HTML：
img src='http://www.mysite.com/folder/subfolder/images/myimage.png'
我想将 myimage.png 提取到一个数组中，另外将 src 更改为：
src='images/myimage.png'
可以吗？
谢谢
【问题讨论】：
Regex to change format of all img src attributes 的可能重复项 【参考方案1】：是否需要使用正则表达式？使用 DOM 函数处理 HTML 通常更容易：
<?php
$domd = new DOMDocument();
libxml_use_internal_errors(true);
$domd->loadHTML(file_get_contents("http://***.com"));
libxml_use_internal_errors(false);
$items = $domd->getElementsByTagName("img");
$data = array();
foreach($items as $item)
$data[] = array(
"src" => $item->getAttribute("src"),
"alt" => $item->getAttribute("alt"),
"title" => $item->getAttribute("title"),
);
print_r($data);
【讨论】：
【参考方案2】：您需要正则表达式吗？不必要。正则表达式是最易读的解决方案吗？可能不会——至少除非你精通正则表达式。扫描大量数据时，正则表达式是否更有效？当然，正则表达式在第一次出现时就被编译和缓存。正则表达式是否赢得了“最少的代码行”奖杯？
$string = <<<EOS
<html>
<body>
blahblah<br>
<img src='http://www.mysite.com/folder/subfolder/images/myimage.png'>blah<br>
blah<img src='http://www.mysite.com/folder/subfolder/images/another.png' />blah<br>
</body>
</html>
EOS;
preg_match_all("%<img .*?src=['\"](.*?)['\"]%s", $string, $matches);
$images = array_map(function ($element) return preg_replace("%^.*/(.*)$%", 'images/$1', $element); , $matches[1]);
print_r($images);
两行代码，在 PHP 中很难削弱。它会产生以下$images 数组：
Array
(
[0] => images/myimage.png
[1] => images/another.png
)
请注意，这不适用于 5.3 之前的 PHP 版本，除非您将匿名函数替换为适当的函数。
【讨论】：
以上是关于使用 preg_replace_callback() 从 HTML 字符串中提取所有图像的主要内容，如果未能解决你的问题，请参考以下文章
使用 preg_replace_callback 查找并替换具有可变数量参数的函数签名
将preg_replace()改写为preg_replace_callback()
从 preg_replace 到 preg_replace_callback