如何从 RSS 中的 CDATA 获取 <img> src？答案

【问题标题】：How to get <img> src from CDATA in RSS?如何从 RSS 中的 CDATA 获取 <img> src？
【发布时间】：2012-01-12 16:41:32
【问题描述】：

我正在使用 Magpie 从 RSS 提要中获取数据。
$rss[description] 包含带有 html 元素的 CDATA：

<![CDATA[  
<div>  
 <a href='url'>  
  <img src='img_url' alt='aaa' title='bbb' border='0' width='116' height='116'>  
 </a>  
</div>]]>  
Some other text

如何从中获取“img_url”？ preg_match() 是唯一的方法吗？也许我可以使用 simpleXML？

【问题讨论】：

标签： php rss magpie

【解决方案1】：

CDATA 你有一个包含 HTML 的字符串。因此，首先将其视为文本，但由于此文本旨在包含 HTML，请使用适合解析 HTML 的解决方案解析此文本。

换句话说：为工作（解析 HTML）使用适当的工具（HTML 解析器）。

已经有在 PHP 中解析 HTML 的现有解决方案 - 例如。查看这些问题的答案：

所以，基本上，您已经能够从您的 XML 中获取 HTML 字符串。现在使用上面提到的一些解决方案解析 HTML 并获取图像的来源。

使用 preg_match() 解析 HTML 不是一个好主意，因为它需要非常复杂才能完成 HTML 解析器适合的简单事情。

【讨论】：

【解决方案2】：

您最好不要在可以使用适当工具的情况下使用正则表达式。我想到了一些事情（尽管也许可以更容易地完成）：

$descr = $rss[description]; // String. You have extracted description part from your feed

$dom = new DOMDocument();
$dom->loadHTML($descr); // or you can use loadXML
if (!$dom) {
    die('Error loading HTML string.');
}

$xml = simplexml_import_dom($dom);
$imgSrc = (string)$xml->body->div->a->img['src'];

我们开始吧。根据您的示例 CDATA $imgSrc 将等于 img_url。

【讨论】：

【解决方案3】：

是的，你应该使用正则表达式，CDATA意味着数据应该被视为普通字符串而不需要解析，所以你应该认为它是一个字符串..

【讨论】：

-1 不，你不应该使用正则表达式，有很多比正则表达式解析HTML更有效的解决方案。
@lvil：你可以看到这个问题的答案：Robust, Mature HTML Parser for PHP。只需将其视为普通字符串，但字符串包含 HTML。所以你需要的不是正则表达式，它需要非常复杂才能匹配所有情况。你需要 HTML 解析器，就像我链接的问题一样。
@Tadeck，您的评论很有帮助。我先用 preg_match 完成了它，但我认为你的方式更好。请把它写成答案，以便我接受。
@lvil：完成。我希望它有所帮助。祝你好运。