萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP 正則提取 HTML 中圖片 URL 完整實現

基礎版:提取 src 屬性值

<?php
header("Content-Type: text/html; charset=utf-8");

$html = '<p><img src="images/photo1.jpg" alt="風景" /></p>
<div><img src="https://cdn.example.com/avatar.png" class="avatar"></div>';

// 正則:匹配 img 標簽的 src 屬性 (支持單雙引號、屬性順序不固定)
$pattern = '/<img\b[^>]*\bsrc\s*=\s*["\']([^"\']+)["\'][^>]*>/i';

preg_match_all($pattern, $html, $matches);

echo "所有圖片 URL:\n";
print_r($matches[1]);
/*
Array
(
    [0] => images/photo1.jpg
    [1] => https://cdn.example.com/avatar.png
)
*/

正則詳解

/<img\b[^>]*\bsrc\s*=\s*["\']([^"\']+)["\'][^>]*>/i
│   │    │     │    │      │       │        │   │
│   │    │     │    │      │       │        │   └─ 結束標簽
│   │    │     │    │      │       │        └─ 匹配引號結束
│   │    │     │    │      │       └─ 捕獲組:URL 內容 (非引號字符)
│   │    │     │    │      └─ 匹配引號開始
│   │    │     │    └─ 等號前後可有空白
│   │    │     └─ 單詞邊界,確保匹配 src 屬性名
│   │    └─ 非 > 字符任意多個 (其他屬性)
│   └─ img 標簽開始
└─ 忽略大小寫

進階版:過濾特定格式、獲取完整標簽

<?php
function extractImageUrls($html, $allowedExt = ['jpg','jpeg','png','gif','webp']) {
    $extPattern = implode('|', $allowedExt);
    $pattern = '/<img\b[^>]*\bsrc\s*=\s*["\']([^"\']+\.(?:' . $extPattern . '))["\'][^>]*>/i';
    
    preg_match_all($pattern, $html, $matches);
    return $matches[1] ?? [];
}

$html = '<img src="logo.svg"> <img src="photo.jpg"> <img src="avatar.png">';
$urls = extractImageUrls($html);  // ['photo.jpg', 'avatar.png'] - 過濾掉 svg
?>

健壯版:使用 DOMDocument 解析 (推薦生產環境)

<?php
function extractImageUrlsDom($html) {
    libxml_use_internal_errors(true);  // 抑制 HTML5 標籤警告
    $dom = new DOMDocument();
    $dom->loadHTML('<?xml encoding="utf-8"?>' . $html);  // 強制 UTF-8
    libxml_clear_errors();

    $urls = [];
    foreach ($dom->getElementsByTagName('img') as $img) {
        $src = $img->getAttribute('src');
        if ($src) $urls[] = $src;
    }
    return $urls;
}

// 測試
$html = '<img src="test.jpg"><img data-src="lazy.png" src="real.gif">';
print_r(extractImageUrlsDom($html));
// Array ( [0] => test.jpg [1] => real.gif )

方案對比

維度正則DOMDocument
速度極快較慢 (構建 DOM 樹)
健壯性脆弱 (HTML 不規範易失效)強 (瀏覽器級解析器)
屬性順序敏感無關
巢狀/異常標簽難處理自動修正
內存佔用低高 (大文檔)
適用場景簡單、可控、高性能提取複雜 HTML、用戶輸入、生產環境

相對路徑轉絕對路徑

function toAbsoluteUrls($urls, $baseUrl) {
    return array_map(function($url) use ($baseUrl) {
        // 已是絕對路徑或協議相對
        if (preg_match('/^(https?:)?\/\//', $url)) return $url;
        // 根相對路徑
        if (str_starts_with($url, '/')) return parse_url($baseUrl, PHP_URL_SCHEME) . '://' . parse_url($baseUrl, PHP_URL_HOST) . $url;
        // 相對路徑
        $basePath = rtrim(dirname(parse_url($baseUrl, PHP_URL_PATH)), '/');
        return parse_url($baseUrl, PHP_URL_SCHEME) . '://' . parse_url($baseUrl, PHP_URL_HOST) . $basePath . '/' . $url;
    }, $urls);
}

總結

簡單場景用正則 /<img\b[^>]*\bsrc\s*=\s*["\']([^"\']+)["\']/i 快速提取;生產環境、用戶生成內容、複雜 HTML 必須用 DOMDocument。配合擴展名過濾、相對轉絕對路徑,構建完整圖片 URL 提取管道。

copyright © 萬盛學電腦網 all rights reserved