我想知道如何实现。
假设：有很多包含表格、div、图像等的 html 代码。
问题：如何获得所有出现的匹配项。此外，具体来说，我怎样才能获得 img 标签源（src = ？）。
示例：
<img src="http://example.com/g.jpg" alt="" />
在这种情况下，我如何打印出http://example.com/g.jpg。我想假设我提到的 html 代码中还有其他标签，并且可能不止一个图像。是否可以在 html 代码中包含所有图像源的数组？
我知道这可以通过正则表达式来实现，但我无法掌握它。
非常感谢任何帮助。
【问题讨论】：
虽然正则表达式可以很好地完成各种各样的任务，但我发现它在解析 HTML DOM 时通常不够用。 HTML 的问题在于您的文档结构非常多变，以至于很难准确（准确地说，我的意思是 100% 成功率且没有误报）提取标签。
我建议您使用 DOM 解析器，例如 SimpleHTML 并像这样使用它：
function get_first_image($html) {
require_once('SimpleHTML.class.php')
$post_html = str_get_html($html);
$first_img = $post_html->find('img', 0);
if($first_img !== null) {
return $first_img->src;
}
return null;
}
有些人可能认为这有点矫枉过正，但最终，它会更容易维护，并允许更多的可扩展性。例如，使用 DOM 解析器，我也可以获取 alt 属性。
可以设计一个正则表达式来实现相同的目标，但会受到限制，它会强制alt 属性位于src 之后或相反，克服这个限制会增加更多的复杂性到正则表达式。
此外，请考虑以下事项。要使用正则表达式正确匹配 <img> 标记并仅获取 src 属性（在第 2 组中捕获），您需要以下正则表达式：
<\s*?img\s+[^>]*?\s*src\s*=\s*(["'])((\\?+.)*?)\1[^>]*?>
再一次，如果出现以下情况，上述操作可能会失败：
i 修饰符。src 属性周围不使用引号。src 之后的另一个属性在其值的某处使用了> 字符。同样，不要使用正则表达式来解析 dom 文档。
编辑：如果你想要所有图片：
function get_images($html){
require_once('SimpleHTML.class.php')
$post_dom = str_get_dom($html);
$img_tags = $post_dom->find('img');
$images = array();
foreach($img_tags as $image) {
$images[] = $image->src;
}
return $images;
}
【讨论】：
\s*?”？普通的贪婪“\s*”不是更有效率吗？
用这个，效果更佳：
preg_match_all('/<img [^>]*src=["|\']([^"|\']+)/i', $html, $matches);
foreach ($matches[1] as $key=>$value) {
echo $value."<br>";
}
例子：
$html = '
<ul>
<li><a target="_new" href="http://www.manfromuranus.com">Man from Uranus</a></li>
<li><a target="_new" href="http://www.thevichygovernment.com/">The Vichy Government</a></li>
<li><a target="_new" href="http://www.cambridgepoetry.org/">Cambridge Poetry</a></li>
<img width="190" height="197" border="0" align="right" alt="upload.jpg" title="upload.jpg" class="noborder" src="value1.jpg" />
<li><a href="http://www.verot.net/pretty/">Electronaut Records</a></li>
<img width="190" height="197" border="0" align="right" alt="upload.jpg" title="upload.jpg" class="noborder" src="value2.jpg" />
<li><a target="_new" href="http://www.catseye-crew.com">Catseye Productions</a></li>
<img width="190" height="197" border="0" align="right" alt="upload.jpg" title="upload.jpg" class="noborder" src="value3.jpg" />
</ul>
<img width="190" height="197" border="0" align="right" alt="upload.jpg" title="upload.jpg" class="noborder" src="res/upload.jpg" />
<li><a target="_new" href="http://www.manfromuranus.com">Man from Uranus</a></li>
<li><a target="_new" href="http://www.thevichygovernment.com/">The Vichy Government</a></li>
<li><a target="_new" href="http://www.cambridgepoetry.org/">Cambridge Poetry</a></li>
<img width="190" height="197" border="0" align="right" alt="upload.jpg" title="upload.jpg" class="noborder" src="value4.jpg" />
<li><a href="http://www.verot.net/pretty/">Electronaut Records</a></li>
<img src="value5.jpg" />
<li><a target="_new" href="http://www.catseye-crew.com">Catseye Productions</a></li>
<img width="190" height="197" border="0" align="right" alt="upload.jpg" title="upload.jpg" class="noborder" src="value6.jpg" />
';
preg_match_all('/<img .*src=["|\']([^"|\']+)/i', $html, $matches);
foreach ($matches[1] as $key=>$value) {
echo $value."<br>";
}
输出：
value1.jpg
value2.jpg
value3.jpg
res/upload.jpg
value4.jpg
value5.jpg
value6.jpg
【讨论】：
这对我有用：
preg_match('@<img.+src="(.*)".*>@Uims', $html, $matches);
$src = $matches[1];
【讨论】：
我假设你所有的 src= 在 url 周围都有 "
<img[^>]+src=\"([^\"]+)\"
此处发布的其他答案对您的代码做出了其他假设
【讨论】：
scr='...' 甚至像这样的空格 src = '...'
我同意安德鲁·摩尔的观点。使用 DOM 会好很多。 HTML DOM 图像集合将返回给您对所有图像对象的引用。
假设在你的标题中，
<script type="text/javascript">
function getFirstImageSource()
{
var img = document.images[0].src;
return img;
}
</script>
然后在你的身体里，
<script type="text/javascript">
alert(getFirstImageSource());
</script>
这将返回第一个图像源。您还可以沿着（在头部）的行中循环遍历它们
function getAllImageSources()
{
var returnString = "";
for (var i = 0; i < document.images.length; i++)
{
returnString += document.images[i].src + "\n"
}
return returnString;
}
（在正文中）
<script type="text/javascript">
alert(getAllImageSources());
</script>
如果您使用 JavaScript 来执行此操作，请记住，您不能在标头中的图像集合中循环运行您的函数。换句话说，你不能做这样的事情，
<script type="text/javascript">
function getFirstImageSource()
{
var img = document.images[0].src;
return img;
}
window.onload = getFirstImageSource; //bad function
</script>
因为这行不通。执行标头时图像尚未加载，因此您将得到空结果。
希望这可以在某种程度上有所帮助。如果可能，我会使用 DOM。你会发现很多工作已经为你完成了。
【讨论】：
我不知道您是否必须使用正则表达式来获得结果。如果没有，您可以尝试 simpleXML 和 XPath，这对于您的目标会更加可靠：
首先，将 HTML 导入到 DOM 文档对象中。如果您遇到错误，请关闭此部分的错误，然后确保将其重新打开：
$dom = new DOMDocument();
$dom -> loadHTMLFile("filename.html");
接下来，将 DOM 导入 simpleXML 对象，如下所示：
$xml = simplexml_import_dom($dom);
现在您可以使用几种方法将所有图像元素（及其属性）放入一个数组中。 XPath 是我更喜欢的一个，因为我在用它遍历 DOM 时运气更好：
$images = $xml -> xpath('//img/@src');
现在可以将此变量视为图像 URL 的数组：
foreach($images as $image) {
echo '<img src="$image" /><br />
';
}
Presto，你所有的图像，没有脂肪。
这是上述内容的非注释版本：
$dom = new DOMDocument();
$dom -> loadHTMLFile("filename.html");
$xml = simplexml_import_dom($dom);
$images = $xml -> xpath('//img/@src');
foreach($images as $image) {
echo '<img src="$image" /><br />
';
}
【讨论】：
我真的认为你不能用正则表达式预测所有的情况。
最好的方法是使用带有PHP5 class DOMDocument 和xpath 的DOM。这是做你想做的最干净的方式。
$dom = new DOMDocument();
$dom->loadHTML( $htmlContent );
$xml = simplexml_import_dom($dom);
$images = $xml -> xpath('//img/@src');
【讨论】：
你可以试试这个：
preg_match_all("/<img\s+src=\"(.+)\"/i", $html, $matches);
foreach ($matches as $key=>$value) {
echo $key . ", " . $value . "<br>";
}
【讨论】：
由于您不担心验证 HTML，您可以尝试先在文本上使用 strip_tags() 以清除大部分内容。
然后你可以搜索像
这样的表达式"/\<img .+ \/\>/i"
反斜杠转义特殊字符，如 、/。 .+ 坚持在 img 标签内有 1 个或多个任意字符 您可以通过将括号括起来来捕获表达式的一部分。例如(.+) 捕获 img 标签的中间部分。
当您决定要特别捕捉中间的哪个部分时，您可以将 (.+) 修改为更具体的内容。
【讨论】：
<?php
/* PHP Simple HTML DOM Parser @ http://simplehtmldom.sourceforge.net */
require_once('simple_html_dom.php');
$html = file_get_html('http://example.com');
$image = $html->find('img')[0]->src;
echo "<img src='{$image}'/>"; // BOOM!
PHP Simple HTML DOM Parser 只需几行代码即可完成这项工作。
【讨论】：