获取页面中的所有图像绝对路径？

Question

我正在尝试获取页面中所有图像的src。但是有些页面使用绝对路径而有些页面没有。所以我想知道最好的方法是什么？

现在我正在使用它。

$imgsrc_regex = '#<\s*img [^\>]*src\s*=\s*(["\'])(.*?)\1#im';

preg_match_all($imgsrc_regex, $html, $matches);

例如，网页a可能将图像设为src =“xyz.png”，而其他人可能会使用 src =“b.com/xyz.png”所以有必要在必要时自动附加网址吗？

Answer 1

最好的方式（imo）是使用DOMDocument和DOMXPath来获取网址：

$dom=new domDocument;
$dom->loadHTML($html);

和

$xpath = new DOMXPath($dom);
$result = $xpath->query("//img/@src");

Using regex to parse HTML is bad.

或者你必须澄清你的问题，你真正想要的是什么。您是否只想获得绝对的图片网址？如果是，您可以检查它们是否以http:开头：

$result = $xpath->query("//img[starts-with(@src, 'http:') or starts-with(@src, 'HTTP:')]/@src");

Answer 2

Use a HTML Parser, not a regular expression

说真的，在HTML中搜索标签是正则表达式的错误问题域。