preg_match模式，其中特定字符不应该在另一个之前

Question

我从网站上提取了一些图片网址。 为此，我使用了这个正则表达式：

preg_match_all('#"(http.*?jpg)"#', $html, $matches);

然而，这会在这样的行上产生错误的结果：

<a href="http://omg.com/test.html"><img src="http://omg.com/image.jpg"></a>

我无法搜索<img代码，因为有些图片来自javascript。

但可以肯定的是，所有图像都被两个""

包围

那么解决我的问题的方法是将我的正则表达式更改为不允许在＆＃34; http＆＃34;之间使用任何"个字符。和＆＃34; jpg＆＃34;

伪代码

中有类似的东西

preg_match_all('#"(http.?:(anything except ")?jpg)"#', $html, $matches);

你是怎么做到的？

Answer 1

您可以在正则表达式中使用否定，以确保在"和http之间不匹配jpg：

preg_match_all('#"(http[^"]*jpg)"#i', $html, $matches); 

<强> Regex Demo

虽然使用正则表达式解析HTML并不是废弃网页的最佳方法，但要谨慎。您可以考虑使用DOM解析器。

Answer 2

你可以试试下面使用否定字符类的正则表达式。

"(http[^<>]*jpg)"

DEMO

[^<>]*这可确保<和>字符串之间不存在http或jpg个符号。