正则表达式和 PHP - 从 img 标签中隔离 src 属性

Posted 2023-02-24

【中文标题】正则表达式和 PHP - 从 img 标签中隔离 src 属性

【英文标题】：Regex & PHP - isolate src attribute from img tag

【发布时间】：2011-01-08 09:53:01

【问题描述】：

使用 php，如何将 src 属性的内容与 $foo 隔离开来？我正在寻找的最终结果只会给我“http://example.com/img/image.jpg”

$foo = '<img class="foo bar test" title="test image" src="http://example.com/img/image.jpg"    />';

【问题讨论】：

在关于使用正则表达式解析 html 的愤怒之前。

@meagar - 在这个有限的范围内使用正则表达式是有效的（尽管不一定是最有效的途径）。

不要使用正则表达式来解析 HTML。 （不是讽刺！）

我误用了原始帖子标题，不应该添加正则表达式。我真的很喜欢 karim79 的解决方案，但它需要添加一个非标准的类。

【参考方案1】：

如果您不想使用正则表达式（或任何非标准 PHP 组件），使用内置 DOMDocument class 的合理解决方案如下：

<?php
    $doc = new DOMDocument();
    $doc->loadHTML('<img src="http://example.com/img/image.jpg" ... />');
    $imageTags = $doc->getElementsByTagName('img');

    foreach($imageTags as $tag) 
        echo $tag->getAttribute('src');
    
?>

【讨论】：

不错！这与我最终所做的非常接近。我不知道 DOMDocument，但我会试一试。

【参考方案2】：

代码

<?php
    $foo = '<img class="foo bar test" title="test image" src="http://example.com/img/image.jpg"    />';
    $array = array();
    preg_match( '/src="([^"]*)"/i', $foo, $array ) ;
    print_r( $array[1] ) ;

输出

http://example.com/img/image.jpg

【讨论】：

在结果中注意& 实体引用和数字字符引用！

如你所愿！ =) 这是另一种语法：/src="(.*?)"/i.

HTML 允许使用单引号，只要它们匹配。并且“替代语法”可以匹配比预期更多的字符。最后，img 属性的开头和结尾可以有空格。

应该是：/[sS][rR][cC]\s*=\s*['"]([^'"]+)['"]/i

【参考方案3】：

我得到了这个代码：

$dom = new DOMDocument();
$dom->loadHTML($img);
echo $dom->getElementsByTagName('img')->item(0)->getAttribute('src');

假设只有一个 img :P

【参考方案4】：

// Create DOM from string
$html = str_get_html('<img class="foo bar test" title="test image" src="http://example.com/img/image.jpg"    />');

// echo the src attribute
echo $html->find('img', 0)->src;

http://simplehtmldom.sourceforge.net/

【参考方案5】：

我对此非常晚，但我有一个尚未提及的简单解决方案。使用simplexml_load_string 加载它（如果您启用了simplexml），然后将其翻阅json_encode 和json_decode。

$foo = '<img class="foo bar test" title="test image" src="http://example.com/img/image.jpg"    />';

$parsedFoo = json_decode(json_encode(simplexml_load_string($foo)), true);
var_dump($parsedFoo['@attributes']['src']); // output: "http://example.com/img/image.jpg"

$parsedFoo 作为

array(1) 
  ["@attributes"]=>
  array(6) 
    ["class"]=>
    string(12) "foo bar test"
    ["title"]=>
    string(10) "test image"
    ["src"]=>
    string(32) "http://example.com/img/image.jpg"
    ["alt"]=>
    string(10) "test image"
    ["width"]=>
    string(3) "100"
    ["height"]=>
    string(3) "100"
  

几个月来，我一直在使用它来解析 XML 和 HTML，它运行良好。我还没有遇到任何问题，尽管我不必用它解析一个大文件（我想像使用json_encode 和json_decode 这样的输入会变得更慢）。它很复杂，但它是迄今为止读取 HTML 属性的最简单方法。

【讨论】：

上周我确实发现了一个小问题。如果 XML 节点同时具有属性和值，则只能使用此方法访问值。我最终不得不编写一个简单的解析器，它将 simplexml 转换为一个数组，同时保留所有数据。

【参考方案6】：

preg_match很好地解决了这个问题。

在这里查看我的答案：How to extract img src, title and alt from html using php?

【参考方案7】：

这就是我最终做的事情，尽管我不确定这样做的效率如何：

$imgsplit = explode('"',$data);
foreach ($imgsplit as $item) 
    if (strpos($item, 'http') !== FALSE) 
        $image = $item;
        break;
    

【讨论】：

如果图像的 URL 是相对于文档的，这种方法会遇到问题，例如“../../img/something.jpg”

【参考方案8】：

试试这个模式：

'/< \s* img [^\>]* src \s* = \s* [\""\']? ( [^\""\'\s>]* )/'

【讨论】：

如果 img 大写或标题包含“>”，这将不起作用。使用 HTML 解析器会更健壮。

【参考方案9】：

你可以使用这个函数来解决这个问题：

函数 getTextBetween($start, $end, $text) $start_from = strpos($text, $start); $start_pos = $start_from + strlen($start); $end_pos = strpos($text, $end, $start_pos + 1); $subtext = substr($text, $start_pos, $end_pos); 返回$潜文本； $foo = ''; $img_src = getTextBetween('src="', '"', $foo);

【参考方案10】：

我使用 preg_match_all 来捕获 HTML 文档中的所有图像：

preg_match_all("~<img.*src\s*=\s*[\"']([^\"']+)[\"'][^>]*>~i", $body, $matches);

这允许更宽松的声明语法，带有空格和不同的引号类型。

Regex 读起来像 （任何属性，如 style 或 border）src（可能的空格）= (可能的空格) (' or ") (任何非引号) (' or ") (任何直到>) (>)

【参考方案11】：

<?php
    $html = '
        <img border="0" src="/images/image1.jpg"    />
        <img border="0" src="/images/image2.jpg"    />
        <img border="0" src="/images/image3.jpg"    />
        ';
    
    $get_Img_Src = '/<img[^>]*src=([\'"])(?<src>.+?)\1[^>]*>/i'; //for get img src path only...
    
    preg_match_all($get_Img_Src, $html, $result); 
    if (!empty($result)) 
        echo $result['src'][0];
        echo $result['src'][1];
    

也用于获取 img src 路径和替代文本 然后使用下面的正则表达式而不是上面...

]*src=(['"])(?.+?)\1[^>]alt=(['"])(?.+?)\2>

    $get_Img_Src = '/<img[^>]*src=([\'"])(?<src>.+?)\1[^>]*alt=([\'"])(?<alt>.+?)\2*>/i'; //for get img src path & alt text also
    
    preg_match_all($get_Img_Src, $html, $result); 
    if (!empty($result)) 
        echo $result['src'][0];
        echo $result['src'][1];
        echo $result['alt'][0];
        echo $result['alt'][1];
    

我从here, PHP extract link from a href tag 了解到这个很棒的解决方案

【讨论】：

用正则表达式解析有效的 html 是不必要的风险。

是的，但是如果我们想要验证表单数据或操作 html 字符串，那么我们可以使用正则表达式进行抽象。我在我的项目中使用了上面的正则表达式。所以我为什么要为抽象 src 路径分享独特的正则表达式解决方案

我仅出于知识目的分享解决方案

【参考方案12】：

假设我使用

$text ='<img src="blabla.jpg"  />';

在

getTextBetween('src="','"',$text);

代码将返回：

blabla.jpg"  

这是错误的，我们希望代码返回属性值引号之间的文本，即 attr = "value"。

所以

  function getTextBetween($start, $end, $text)
            
                // explode the start string
                $first_strip= end(explode($start,$text,2));

                // explode the end string
                $final_strip = explode($end,$first_strip)[0];
                return $final_strip;
            

成功了！

试试

   getTextBetween('src="','"',$text);

将返回：

blabla.jpg

同样感谢，因为您的解决方案让我对最终解决方案有了深入了解。

【讨论】：

我并不是真的想说你的方法不好，但我确实认为使用 domdocument 会更好地解决这个问题。参考这个例如：***.com/questions/6441448/…

domdocument 库对于这么简单的任务来说太重了。这就像当您有弯刀替代品时使用推土机压碎蛇一样。