从html中提取图像元素

Question

我正在尝试从 html 代码中获取图像标签。

我有

   $parser=new DOMDocument;   

   $parser->loadHTML($this->html);
        foreach($parser->getElementsByTagName('img') as $imgNode){
         echo $parser->saveHTML($imgNode);
       }

$this->html 包含大量 html 代码和 javascripts。

例如：

<div id='someid'>
<button id='bt' onclick='clickme()'>click me</button>
<img src='test.jpg'/>
.....
.....
more...

</div>

<div>
.....
.....
more...

我收到一条警告说

DOMDocument::loadHTML(): htmlParseEntityRef: expecting ';' in Entity,

我不确定如何解决这个问题，也不知道是否有更好的方法可以从大量 html 代码中提取所有图像。

有什么想法吗？ 非常感谢！

Answer 1

我绝不是这些问题的专家（目前），但我希望这在某种程度上有所帮助。

根据this answer by troelskn，您可以使用libxml_use_internal_errors 使DOM 解析器更能容忍格式错误的HTML。这可能会帮助您摆脱该错误。

可以使用DOMXPath 解析文档的所有图像。它采用DOMDocument 作为参数，让您可以对文档运行XPath 查询。

$document = new DOMDocument();
$document->loadHTML($your_html);

// Suppress parse errors.
libxml_use_internal_errors(false);

$xpath = new DOMXPath($document)

// Find all img tags.
$img_nodes = $xpath->query('//img')

DOMXPath::query 返回一个DOMNodeList，可以使用DOMNodeList::item 循环，返回一个DOMNode。

for($i = 0; $i > $img_nodes->length; $i++)
{
    $node = $img_nodes->item($i);
    // Manipulate the node.
}

免责声明：我发布的代码未经测试，是使用手册整理的。