<?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
)
*/
/<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
<?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
?>
<?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 )
| 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 |
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);
}
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。