正则表达式从 HTML 中提取图像 - 如何仅获取 JPG？答案

【问题标题】：Regex to extract images from HTML - how to get only JPGs?正则表达式从 HTML 中提取图像 - 如何仅获取 JPG？
【发布时间】：2011-09-17 22:19:21
【问题描述】：

我正在使用这个 PHP 函数来获取任何给定 HTML 中的所有 <img> 标签。

function extract_images($content)
{
    $img    = strip_tags(html_entity_decode($content),'<img>');
    $regex  = '~src="[^"]*"~';    

    preg_match_all($regex, $img, $all_images);

    return $all_images;
}

这工作并返回所有图像（gif、png、jpg等）。

任何人都知道如何更改正则表达式...

~src="[^"]*"~

为了只获取具有 JPG 或 JPEG 扩展名的文件？

非常感谢。

【问题讨论】：

标签： php regex jpeg

【解决方案1】：

Regex Enforcement Agency 迟早会出现。也可能是我:)

正确的方法是使用适当的 HTML DOM 解析器。这是DOMDocument 解决方案。这样做的用处在于它比通过正则表达式解析 HTML 更健壮，并且还使您能够同时访问或修改 <img> 节点上的其他 HTML 属性。

$dom = new DOMDocument();
$dom->loadHTML($content);

// To hold all your links...
$links = array();

// Get all images
$imgs = $dom->getElementsByTagName("img");
foreach($imgs as $img) {
  // Check the src attr of each img
  $src = "";
  $src = $img->getAttribute("src");
  if (preg_match("/\.jp[e]?g$/i", $src) {

    // Add it onto your $links array.
    $links[] = $src;
}

查看简单正则表达式解决方案的其他答案，或从我的 foreach 循环中的正则表达式进行调整。

【讨论】：

@michael 这句话怎么说？ “当你试图用正则表达式解决一个问题时，你实际上有两个问题？” :) -- 谢谢你的代码，我看看能不能实现
@torr regex.info/blog/2006-09-15/247 “有些人在遇到问题时会想“我知道，我会使用正则表达式。”现在他们有两个问题。”
@michael - 马上！ - 看起来你的代码可以工作，但我遇到了一堆错误，比如Namespace prefix fb of attribute like:layout is not defined in Entity, line: 179 和htmlParseEntityRef: expecting ';' in Entity, line: 349——我想知道这些是不是因为标记无效。我正在通过file_get_contents 提取 HTML。您认为这里使用@$dom->loadHTML($content) 抑制错误是不好的做法吗？
@torr 尝试设置$dom->strictErrorChecking = FALSE;。否则simplexml_load_string() 可能比 DOMDocument 更宽容？
@torr 否则，如果您无法控制两端，则抑制其上的警告可能不会有什么坏处。（请不要因为我这么说而对我投反对票！）

【解决方案2】：

/src="[^"]*\.(jpg|jpeg)"/i

i -> 不区分大小写匹配

【讨论】：

您需要注意这里，以防有人在值周围使用单引号。
感谢@peter - 现在我将使用 DOMDocument 如下，但您的正则表达式工作正常