使用 preg_match 匹配 IMG 标签的 SRC 属性答案

【问题标题】：Matching SRC attribute of IMG tag using preg_match使用 preg_match 匹配 IMG 标签的 SRC 属性
【发布时间】：2011-01-11 22:08:28
【问题描述】：

我正在尝试运行 preg_match 以从文章中的第一个 IMG 标记中提取 SRC 属性（在本例中，存储在 $row->introtext 中）。

preg_match('/\< *[img][^\>]*[src] *= *[\"\']{0,1}([^\"\']*)/i', $row->introtext, $matches);

而不是得到类似的东西

images/stories/otakuzoku1.jpg

来自

<img src="images/stories/otakuzoku1.jpg" border="0" alt="Inside Otakuzoku's store" />

我明白了

正则表达式应该是正确的，但我不知道为什么它似乎匹配边框属性而不是 src 属性。

或者，如果您有耐心读完这篇文章而没有直接跳到回复字段并输入“使用 HTML/XML 解析器”，那么可以推荐一个很好的教程，因为我找不到一个完全适用于 PHP 4。

PHP 4.4.7

【问题讨论】：

标签： php regex parsing preg-match src

【解决方案1】：

你的表达不正确。试试：

preg_match('/< *img[^>]*src *= *["\']?([^"\']*)/i', $row->introtext, $matches);

请注意移除了 img 和 src 周围的括号以及其他一些清理操作。

【讨论】：

这成功了。不是实际解析 HTML 的“理想”解决方案，而是一种可行并提供必要结果的解决方案。谢谢！
附带说明，$matches[0] 包含完整的 IMG 标签，$matches[1] 包含源 URI。

【解决方案2】：

试试：

include ("htmlparser.inc"); // from: http://php-html.sourceforge.net/

$html = 'bla <img src="images/stories/otakuzoku1.jpg" border="0" alt="Inside Otakuzoku\'s store" /> noise <img src="das" /> foo';

$parser = new HtmlParser($html);

while($parser->parse()) {
    if($parser->iNodeName == 'img') {
        echo $parser->iNodeAttributes['src'];
        break;
    }
}

这将产生：

images/stories/otakuzoku1.jpg

它应该适用于 PHP 4.x。

【讨论】：

一些问题让 htmlparser.inc 工作。错误消息说该类已经启动，但它不是。我会坚持将提供商升级到 PHP 5...
你试过include_once('htmlparser.inc');而不是include('htmlparser.inc');吗？

【解决方案3】：

这是一种使用内置函数 (php >= 4) 的方法：

$parser = xml_parser_create();
xml_parse_into_struct($parser, $html, $values);
foreach ($values as $key => $val) {
    if ($val['tag'] == 'IMG') {
        $first_src = $val['attributes']['SRC'];
        break;
    }
}

echo $first_src;  // images/stories/otakuzoku1.jpg

【讨论】：

【解决方案4】：

我使用的正则表达式要简单得多。我的代码假定传递给它的字符串只包含一个没有其他标记的 img 标签：

$pattern = '/src="([^"]*)"/';

在此处查看我的答案以获取更多信息：How to extract img src, title and alt from html using php?

【讨论】：

"只有一个没有其他标记的 img 标签"？这是一个非常具体的案例，不是吗，对于几乎每个人来说可能有点太具体了：[

【解决方案5】：

如果你需要自己使用preg_match()，试试这个：

 preg_match('/(?<!_)src=([\'"])?(.*?)\\1/',$content, $matches);

【讨论】：

【解决方案6】：

这个任务应该由 dom 解析器执行，因为 regex 是 dom-ignorant。

代码：(Demo)

$row = (object)['introtext' => '<div>test</div><img src="source1"><p>text</p><img src="source2"><br>'];

$dom = new DOMDocument();
$dom->loadHTML($row->introtext);
echo $dom->getElementsByTagName('img')->item(0)->getAttribute('src');

输出：

source1

这说：

解析整个 html 字符串
隔离所有img标签
隔离第一个img标签
隔离其src属性值

干净、适当、易于阅读和管理。

【讨论】：