php匹配模式从文本文件中获取图像

当人们询问如何从网页内容/文本等中获取并提取图像实际URL时，我看到了很多答案，但是，在我的数据库中，不幸的是，我有这个语法：php匹配模式从文本文件中获取图像

&lt;img class=&quot;photo&quot; src=&quot;http://domain.com/image.jpg&quot; alt=&quot;alt goes here&quot; /&gt;

因此，典型的方式$pattern = '/src=["|\']([^"|\']+)/is';不会在我的情况，由于那些"工作... 一直在尝试了几个小时，我必须做一些非常非常错误的... 任何帮助非常感激！

来源

2012-01-22 Andrew

你为什么不先'str_replace'所有这一切，然后用你的正则表达式？ –

因为'str_replace'不安全？ **为什么即使在PHP中编写HTML解码器和解析器时，也只是通过调用正确的函数来实现它而已？** – Christian

@ChristianSciberras - 看起来像您误解了我：我说他应该[首先运行'str_replace'他的字符串]（http://codepad.org/QekMM6IG），然后使用他的正则表达式！ –

不要使用正则表达式！

使用XML/DOM库，如Simple HTML DOM。

顺便说一句，你正在寻找的正则表达式，

$pattern = '/src=(["\'])(.+)(?=\1)/i';

测试用例（可选）：

下面是一个简单的程序进行测试。显然，您首先需要使用htmlspecialchars_decode()来从实体格式对其进行解码。

$str = array(
    "<script type=\"text/javascript\" src=\"script.js\"></script>", 
    "<script type=\"text/javascript\" src='script.js'></script>", 
    '<script type="text/javascript" src="script.js"></script>', 
    '<script type="text/javascript" src=\'script.js\'></script>', 
); 
$pattern = '/src=(["\'])(.+)(?=\1)/i'; 

foreach($str as $s){ 
    preg_match($pattern, $s, $m); 
    echo $m[2], PHP_EOL; 
}

输出

script.js 
script.js 
script.js 
script.js

来源

2012-01-22 19:46:37

@mario我明白了，我的错误。认为这是另一个正则表达式fanboyism的例子。 – Christian

Okie。根据OP更新问题。 @mario。 –

谢谢所有人，我遵循你对htmlspecialchars_decode的建议，最后我有有效的图像URLS！ 'if（preg_match（$ pattern2，htmlspecialchars_decode（$ ck ['post']），$ found_img））' – Andrew

你可以在这里测试正则表达式：

http://gskinner.com/RegExr/

什么是不工作？

来源

2012-01-22 19:46:00 mowwwalker

首先，双引号转换为'"'，就像其他特殊字符一样，其次，'preg_match' *绝对不是这里的解决方案*。 – Christian

@ChristianSciberras，好的，我没有看到原始文章中的编码。很好的答案！ – mowwwalker

首先，'常用的方法'是使用HTML/XML解析器，而不是正则表达式。

其次，你有什么是编码为HTML文本，它闻起来很糟糕的原因有两个HTML代码：

它不是HTML更多（为什么它编码的HTML文本时，它实际上是在HTML代码）？
在将代码写入数据库之前，不应对HTML进行编码，而应将其写入用户。

带着这两个问题放在一边，你需要做的是htmlspecialchars_decode()的东西，并使之通过HTML解析器：

$stuff = '&lt;img class=&quot;photo&quot; src=&quot;http://domain.com/image.jpg&quot; alt=&quot;alt goes here&quot; /&gt;'; 
$code = htmlspecialchars_decode($stuff, ENT_QUOTES); 
$xml = simplexml_load_string($code);

这就是说，对我来说这听起来像一个黑客修复严重书面代码。但首先它可能有一个合理的原因。

来源

2012-01-22 19:46:10 Christian

' '< IMG类= "相片" SRC = " http://domain.com/image.jpg " ALT = " ALT到这里"/>';'是伪样品的方式来显示千个不同的网址被发现在我的数据库中。我的问题是孤立的实际图像的位置，每次 – Andrew

@Andrew我的观点是，你在你的数据库中的东西没有做到正确。首先，不要将HTML编码为HTML文本，其次，当数据分成列和表而不是数据斑点时，数据库的效果最好。尽管如此，你可以使用我的代码来完成你想要的任务。 – Christian

非常感谢大家的建议，@Christian Sciberras感谢你，它不是我的代码，我不是一个大师，只是一个新手试图修复一些买不到的东西...... Blame Invision IPB为这种类型的db内容，所有这些都发生在授权用户发布html（允许直接在帖子中发布html）的情况下发生。我有这样的情况，就像那样，不能改变它。必须处理它，并找到能够识别图像URL的正则表达式:) – Andrew

php匹配模式从文本文件中获取图像

回答

相关问题