Question

我试图使用以下正则表达式从html源代码获取图像网址，但是当图片网址中包含空格时，它会失败。例如，这个网址：

<img src="http://a57.foxnews.com/global.fncstatic.com/static/managed/img/Entertainment/876/493/kazantsev pink bikini reuters.jpg?ve=1&amp;tl=1" alt="kazantsev pink bikini reuters.jpg" itemprop="image">

$image_regex_src_url = '/<img[^>]*'.'src=[\"|\'](.*)[\"|\']/Ui';
preg_match_all($image_regex_src_url, $string, $out, PREG_PATTERN_ORDER);

这让我回过头来看 http://a57.foxnews.com/global.fncstatic.com/static/managed/img/Entertainment/876/493/kazantsev

有没有办法匹配任何字符，包括空格？或者是我必须在php配置中设置的东西？

Answer 1

您的正则表达式有几个问题。

首先，您尝试使用连接运算符（'.'）将表达式的两个部分连接在一起（这不是必需的）。其次，您不需要在角色类中使用交替运算符|。

点.将匹配除换行序列之外的任何字符。这些标记可能包含换行符，因为它们位于HTML源代码中。您可以使用s（dotall）修饰符强制点匹配任何字符（包括换行符）或使用否定字符类意味着匹配任何字符除。

使用s（ dotall ）修饰符：

$image_regex_src_url = '/<img[^>]*src=(["\'])(.*?)\1/si';

使用否定字符类[^ ]

$image_regex_src_url = '/<img[^>]*src=(["\'])([^"\']*)\1/i';

虽然使用DOM之类的解析器来获取结果要容易得多。

$doc = new DOMDocument;
@$doc->loadHTML($html); // load the HTML

foreach($doc->getElementsByTagName('img') as $node) {
   $urls[] = $node->getAttribute('src');
}

print_r($urls);

当有空格时，preg_match_all正则表达式失败

1 个答案: