我想知道如何实现这一目标。
假设：有很多html代码包含表格，div，图像等。
问题：如何获得所有出现的匹配。更重要的是，具体来说，我如何获得img标记源（src =？）。
示例：
<img src="http://example.com/g.jpg" alt="" />
在这种情况下，如何打印http://example.com/g.jpg。我想假设在我提到的html代码中还有其他标签，可能还有多个图像。是否可以在html代码中拥有所有图像源的数组？
我知道这可以通过正则表达式实现，但我无法理解它。
非常感谢任何帮助。
答案 0 :(得分：40)
虽然正则表达式可以适用于各种各样的任务，但我发现解析HTML DOM时通常会遇到这种情况。 HTML的问题在于，文档的结构变化很大，难以准确（并且准确地说，我的意思是100％的成功率，没有误报）提取标签。
我建议您使用DOM解析器，例如SimpleHTML，并将其用作以下内容：
function get_first_image($html) {
require_once('SimpleHTML.class.php')
$post_html = str_get_html($html);
$first_img = $post_html->find('img', 0);
if($first_img !== null) {
return $first_img->src;
}
return null;
}
有些人可能认为这样做有点过分，但最终，维护起来会更容易，并且还可以提供更多的可扩展性。例如，使用DOM解析器，我也可以获得alt属性。
可以设计一个正则表达式来实现相同的目标但是会限制它会强制alt属性位于src之后或相反的目标，并克服此限制会增加正则表达式的复杂性。
另外，请考虑以下内容。要使用正则表达式正确匹配<img>标记并仅获取src属性（在第2组中捕获），您需要以下正则表达式：
<\s*?img\s+[^>]*?\s*src\s*=\s*(["'])((\\?+.)*?)\1[^>]*?>
然后，如果出现以上情况，则上述情况可能会失败：
i 修饰符。src属性周围没有使用引号。src的另一个属性在其值的某处使用>字符。所以再一次，不要使用正则表达式来解析dom文档。
编辑：如果您想要所有图片：
function get_images($html){
require_once('SimpleHTML.class.php')
$post_dom = str_get_dom($html);
$img_tags = $post_dom->find('img');
$images = array();
foreach($img_tags as $image) {
$images[] = $image->src;
}
return $images;
}
答案 1 :(得分：12)
使用它，更有效：
preg_match_all('/<img [^>]*src=["|\']([^"|\']+)/i', $html, $matches);
foreach ($matches[1] as $key=>$value) {
echo $value."<br>";
}
示例：
$html = '
<ul>
<li><a target="_new" href="http://www.manfromuranus.com">Man from Uranus</a></li>
<li><a target="_new" href="http://www.thevichygovernment.com/">The Vichy Government</a></li>
<li><a target="_new" href="http://www.cambridgepoetry.org/">Cambridge Poetry</a></li>
<img width="190" height="197" border="0" align="right" alt="upload.jpg" title="upload.jpg" class="noborder" src="value1.jpg" />
<li><a href="http://www.verot.net/pretty/">Electronaut Records</a></li>
<img width="190" height="197" border="0" align="right" alt="upload.jpg" title="upload.jpg" class="noborder" src="value2.jpg" />
<li><a target="_new" href="http://www.catseye-crew.com">Catseye Productions</a></li>
<img width="190" height="197" border="0" align="right" alt="upload.jpg" title="upload.jpg" class="noborder" src="value3.jpg" />
</ul>
<img width="190" height="197" border="0" align="right" alt="upload.jpg" title="upload.jpg" class="noborder" src="res/upload.jpg" />
<li><a target="_new" href="http://www.manfromuranus.com">Man from Uranus</a></li>
<li><a target="_new" href="http://www.thevichygovernment.com/">The Vichy Government</a></li>
<li><a target="_new" href="http://www.cambridgepoetry.org/">Cambridge Poetry</a></li>
<img width="190" height="197" border="0" align="right" alt="upload.jpg" title="upload.jpg" class="noborder" src="value4.jpg" />
<li><a href="http://www.verot.net/pretty/">Electronaut Records</a></li>
<img src="value5.jpg" />
<li><a target="_new" href="http://www.catseye-crew.com">Catseye Productions</a></li>
<img width="190" height="197" border="0" align="right" alt="upload.jpg" title="upload.jpg" class="noborder" src="value6.jpg" />
';
preg_match_all('/<img .*src=["|\']([^"|\']+)/i', $html, $matches);
foreach ($matches[1] as $key=>$value) {
echo $value."<br>";
}
输出：
value1.jpg
value2.jpg
value3.jpg
res/upload.jpg
value4.jpg
value5.jpg
value6.jpg
答案 2 :(得分：7)
这对我有用：
preg_match('@<img.+src="(.*)".*>@Uims', $html, $matches);
$src = $matches[1];
答案 3 :(得分：5)
我假设你的所有src =都在“url
附近<img[^>]+src=\"([^\"]+)\"
此处发布的其他答案会对您的代码提出其他答案
答案 4 :(得分：2)
我同意Andrew Moore的观点。使用DOM要好得多。 HTML DOM图像集合将返回对所有图像对象的引用。
让我们在你的标题中说，
<script type="text/javascript">
function getFirstImageSource()
{
var img = document.images[0].src;
return img;
}
</script>
然后在你的身体里，
<script type="text/javascript">
alert(getFirstImageSource());
</script>
这将返回第一个图像源。你也可以沿着（在头部）
的路线循环它们function getAllImageSources()
{
var returnString = "";
for (var i = 0; i < document.images.length; i++)
{
returnString += document.images[i].src + "\n"
}
return returnString;
}
（在体内）
<script type="text/javascript">
alert(getAllImageSources());
</script>
如果您使用JavaScript执行此操作，请记住您无法在标题中的图像集合中循环运行函数。换句话说，你不能做这样的事情，
<script type="text/javascript">
function getFirstImageSource()
{
var img = document.images[0].src;
return img;
}
window.onload = getFirstImageSource; //bad function
</script>
因为这不起作用。执行标题时未加载图像，因此您将获得空结果。
希望这可以在某种程度上提供帮助。如果可能的话，我会使用DOM。你会发现你已经完成了很多工作。
答案 5 :(得分：2)
我不知道你是否必须使用正则表达式来获得结果。如果没有，你可以尝试使用simpleXML和XPath，这对你的目标来说更可靠：
首先，将HTML导入DOM文档对象。如果您收到错误，请关闭此部分的错误，并确保之后重新打开它们：
$dom = new DOMDocument();
$dom -> loadHTMLFile("filename.html");
接下来，将DOM导入simpleXML对象，如下所示：
$xml = simplexml_import_dom($dom);
现在，您可以使用一些方法将所有图像元素（及其属性）放入数组中。 XPath是我喜欢的，因为我用它遍历DOM会有更好的运气：
$images = $xml -> xpath('//img/@src');
现在可以将此变量视为图像网址数组：
foreach($images as $image) {
echo '<img src="$image" /><br />
';
}
Presto，你的所有图像，没有脂肪。
以下是上述的非注释版本：
$dom = new DOMDocument();
$dom -> loadHTMLFile("filename.html");
$xml = simplexml_import_dom($dom);
$images = $xml -> xpath('//img/@src');
foreach($images as $image) {
echo '<img src="$image" /><br />
';
}
答案 6 :(得分：2)
我真的认为你无法用正则表达式预测所有案例。
最好的方法是使用带PHP5 class DOMDocument和xpath的DOM。这是做你想做的最干净的方式。
$dom = new DOMDocument();
$dom->loadHTML( $htmlContent );
$xml = simplexml_import_dom($dom);
$images = $xml -> xpath('//img/@src');
答案 7 :(得分：1)
你可以试试这个：
preg_match_all("/<img\s+src=\"(.+)\"/i", $html, $matches);
foreach ($matches as $key=>$value) {
echo $key . ", " . $value . "<br>";
}
答案 8 :(得分：1)
由于您并不担心验证HTML，因此您可能首先尝试在文本上使用strip_tags()来清除大部分内容。
然后你可以搜索像
这样的表达式"/\<img .+ \/\>/i"
反斜杠会转义特殊字符，例如＆lt;，＆gt;，/。 。+坚持img标签中有任何一个或多个字符 您可以通过在括号周围加上括号来捕获部分表达式。例如（。+）捕获img标记的中间部分。
当您确定要特定捕获的中间部分时，可以将（。+）修改为更具体的内容。
答案 9 :(得分：0)
<?php
/* PHP Simple HTML DOM Parser @ http://simplehtmldom.sourceforge.net */
require_once('simple_html_dom.php');
$html = file_get_html('http://example.com');
$image = $html->find('img')[0]->src;
echo "<img src='{$image}'/>"; // BOOM!
PHP Simple HTML DOM Parser将在几行代码中完成工作。