正则表达式替换 PHP 中的 html src 属性答案

【问题标题】：Regex to replace html src attribute in PHP正则表达式替换 PHP 中的 html src 属性
【发布时间】：2012-05-26 08:46:23
【问题描述】：

我正在尝试使用正则表达式替换 PHP 中的源属性（可以是图像或任何标签）。

我有一个这样的字符串：

$string2 = "<html><body><img src = 'images/test.jpg' /><img src = 'http://test.com/images/test3.jpg'/><video controls="controls" src='../videos/movie.ogg'></video></body></html>";

我想把它变成：

$string2 = "<html><body><img src = 'test.jpg' /><img src = 'test3.jpg'/><video controls="controls" src='movie.ogg'></video></body></html>";

这是我尝试过的：

$string2 = preg_replace("/src=["']([/])(.*)?["'] /", "'src=' . convert_url('$1') . ')'" , $string2);
echo htmlentities ($string2);

基本上它没有改变任何东西，并给了我一个关于未转义字符串的警告。

$1 不发送字符串的内容吗？这里有什么问题？

convert_url 的功能来自我之前在这里发布的一个示例：

function convert_url($url)
{
    if (preg_match('#^https?://#', $url)) {
        $url = parse_url($url, PHP_URL_PATH);
    }
    return basename($url);
}

应该去掉 url 路径，只返回文件名。

【问题讨论】：

原来的字符串和你想把它变成的都是空字符串——有什么遗漏吗？
你真的不应该用正则表达式解析 HTML。如果您搜索 SO，您应该找到一个非常全面的答案。同时，我可以建议 DOM 或 SimpleXML
我的意思是尝试将正则表达式中的所有“替换为\”，但不是第一个和最后一个
Grabbing the href attribute of an A element 的可能重复项
另外，如果你想使用正则表达式并且想在替换中使用一个函数，你需要preg_replace_callback。你不能像你那样做convert_url('$1')，因为这是在 $1 存在之前评估的。

标签： php html regex

【解决方案1】：

不要在 HTML 上使用正则表达式 - 使用 DOMDocument 类。

$html = "<html>
           <body>
             <img src='images/test.jpg' />
             <img src='http://test.com/images/test3.jpg'/>
             <video controls='controls' src='../videos/movie.ogg'></video>
           </body>
         </html>";

$dom = new DOMDocument;  
libxml_use_internal_errors(true);

$dom->loadHTML( $html ); 
$xpath = new DOMXPath( $dom );
libxml_clear_errors();

$doc = $dom->getElementsByTagName("html")->item(0);
$src = $xpath->query(".//@src");

foreach ( $src as $s ) {
  $s->nodeValue = array_pop( explode( "/", $s->nodeValue ) );
}

$output = $dom->saveXML( $doc );

echo $output;

输出如下：

<html>
  <body>
    <img src="test.jpg">
    <img src="test3.jpg">
    <video controls="controls" src="movie.ogg"></video>
  </body>
</html>

【讨论】：

如果 dom 文档类是嵌入在另一个 HTML 标记（如例如）中的 html，则它不是很有帮助
@Ashesh 我不是我关注的。您向我们展示了 PHP 代码 - 我正在向您展示解决方案。
对不起，我应该更清楚。这就是我所说的：“ ”。在这种情况下，domdocument 不会在 javascript 内的图像标签上拾取。这就是为什么我需要使用正则表达式。
@Ashesh 上面的代码将适用于您在此处提供的 PHP 字符串。它将src 元素转换为仅指向文件名。
有时加载 HTML 解析器不是一个好主意。特别是短的预定义文本值（例如），其中只有 src="" 和 alt="" 可能会有所不同。

【解决方案2】：

您必须使用e 修饰符。

$string = "<html><body><img src='images/test.jpg' /><img src='http://test.com/images/test3.jpg'/><video controls=\"controls\" src='../videos/movie.ogg'></video></body></html>";

$string2 = preg_replace("~src=[']([^']+)[']~e", '"src=\'" . convert_url("$1") . "\'"', $string);

请注意，当使用e 修饰符时，替换脚本片段需要为字符串，以防止在调用 preg_replace 之前对其进行解释。

【讨论】：

【解决方案3】：

function replace_img_src($img_tag) {
    $doc = new DOMDocument();
    $doc->loadHTML($img_tag);
    $tags = $doc->getElementsByTagName('img');
    foreach ($tags as $tag) {
        $old_src = $tag->getAttribute('src');
        $new_src_url = 'website.com/assets/'.$old_src;
        $tag->setAttribute('src', $new_src_url);
    }
    return $doc->saveHTML();
}

【讨论】：

什么是 $img_tag ？