我正在寻找一个 PHP preg_replace() 解决方案找到图像的链接并将它们替换为相应的图像标签。
查找：
<a href="http://www.domain.tld/any/valid/path/to/imagefile.ext">This will be ignored.</a>
替换为：
<img src="http://www.domain.tld/any/valid/path/to/imagefile.ext" alt="imagefile" />
如果协议必须是 http://，.ext 必须是有效的图像格式（.jpg、.jpeg、.gif、.png、.tif），并且基本文件名变为 alt=""价值。
我知道 preg_replace() 是适合这项工作的函数，但我很喜欢正则表达式，所以非常感谢任何帮助！谢谢！
【问题讨论】：
标签： php regex preg-replace
我建议使用这个更灵活的非 greddy 正则表达式：
<a[^>]+?href=\"(http:\/\/[^\"]+?\/([^\"]*?)\.(jpg|jpeg|png|gif))[^>]*?>[^<]*?<\/a>
还有一个更复杂的正则表达式（包括 PHP 测试代码），希望能取悦 Gumbo :)
<?php
$test_data = <<<END
<a blabla="asldlsaj" alksjada="aslkdj" href="http://www.domain.tld/any/valid/path/to/imagefile.jpg" lkjasd=""asdlaskjd>This will be ignored.</a>
Lorem ipsum..
<a blabla=asldlsaj alksjada="aslkdj" href="http://www.domain.tld/any/valid/path/to/imagefile.jpg" lkjasd=""asdlaskjd>This will be ignored.</a>
<a lkjafs='asdsa> ' blabla="asldlksjada=>"aslkdj" href="http://www.domain.tld/any/valid/path/to/imagefile.jpg" lkjasd=""asdlaskjd>This will be ignored.</a>
<a blabla="ajada="aslk href="http://www.domain.tld/any/valid/path>/to/imagefile.jpg" lkjasd>asdlaskjd>This will be ignored.</a>
<a blabla="asldlsaj>" aslkdj href="http://www.domain.tld/any/valid/path/ to/imagefile.jpg" lkjasd=""asdlaskjd>This will be ignored.</a>
Something:
<a blabla='asldls<ajslkdj' href="http://www.domain.tld/any/valid'/path/to/imagefile.jpg" lkjasd=""asdlaskjd>This will be ignored.</a>
<a blabla= asldlsadj href="http://www.domain.tld/any/valid/path/to/imagefile.jpg" lkjasd>This will be ignored.</a>
<a blabla="asldlsaj" alksjslkdj" href='http://www.domain.tld/any/valid/path/to/imagefile.jpg' lkjasdskjd>This will be ignored.</a>
Something else...
<a blabla="asldlsaj" alksjslkdj" href='http://www.domain.tld/any/valid/path/to/imagefile.jpg' lkjasdskjd>This will be ignored.</a>
<a blabla="asldlsaj" alksjada="aslkdj" href=http://www.domain.tld/any/valid/path/to/imagefile.jpg lkjdlaskjdll> be ignored.</a>
END;
$regex = "/<a\s(\s*\w+(\s*=\s*(\".*?\"|'.*?'|[^'\">\s]+))?)+?\s+href\s*=\s*(\"(http:\/\/[^\"]+\/(.*?)\.(jpg|jpeg|png|gif))\"|'(http:\/\/[^']+\/(.*?)\.(jpg|jpeg|png|gif))'|(http:\/\/[^'\">\s]+\/([^'\">\s]+)\.(jpg|jpeg|png|gif)))\s(\s*\w+(\s*=\s*(\".*?\"|'.*?'|[^'\">\s]+))?)+>[^<]*?<\/a>/i";
$replaced = preg_replace($regex, '<img src="$5$8$11" alt="$6$9$12" />', $test_data);
echo '<pre>'.htmlentities($replaced);
?>
【讨论】：
>。
恭喜，您是第 100 万位询问 Stack Overflow 如何使用正则表达式解析 HTML 的客户！
[X][HT]ML 不是常规语言，不能用正则表达式可靠地解析。使用 HTML 解析器。 PHP 本身为您提供DOMDocument，或者您可能更喜欢simplehtmldom。
顺便说一句，您无法通过查看文件的 URL 来判断文件的类型。 JPEG 没有理由必须将“.jpeg”作为其扩展名 — 事实上，不能保证具有“.jpeg”扩展名的文件实际上是 JPEG。唯一可以确定的方法是获取资源（例如，使用 HEAD 请求）并查看 Content-Type 标头。
【讨论】：
啊，我每天的 DOM 练习。您应该使用 DOM 来解析 HTML，并使用正则表达式来解析字符串，例如 html 属性。
注意：我有一些基本的正则表达式肯定可以被一些向导改进:)
注意 #2：虽然它可能会产生额外的开销，但您可以使用 curl 之类的东西通过发送 HEAD 请求并查看 Content-Type 来彻底检查 href 是否是实际图像，但这适用于 80-90病例百分比。
<?php
$content = '
<a href="http://www.domain.tld/any/valid/path/to/imagefile.ext">This will be ignored.</a>
<br>
<a href="http://col.stb.s-msn.com/i/43/A4711309495C88F8CD154C99FCE.jpg">this will not be ignored</a>
<br>
<a href="http://col.stb.s-msn.com/i/A0/8E9A454F701E4F5F89E58E14B532C.jpg">bah</a>
';
$dom = new DOMDocument();
$dom->loadHTML($content);
$anchors = $dom->getElementsByTagName('a');
$i = $anchors->length-1;
$protocol = '/^http:\/\//';
$ext = '/([\w+]+)\.(?:gif|jpg|jpeg|png)$/';
if ( count($anchors->length) > 0 ) {
while( $i > -1 ) {
$anchor = $anchors->item($i);
if ( $anchor->hasAttribute('href') ) {
$link = $anchor->getAttribute('href');
if (
preg_match ( $protocol , $link ) &&
preg_match ( $ext, $link )
) {
//echo 'replacing this one.';
$image = $dom->createElement('img');
if ( preg_match( $ext, $link, $matches ) ) {
if ( count($matches) ) {
$altName = $matches[1];
$image->setAttribute('alt', $altName);
}
$image->setAttribute('src', $link);
$anchor->parentNode->replaceChild( $image, $anchor );
}
}
}
$i--;
}
}
echo $dom->saveHTML();
【讨论】：