小谈php正则提取图片地址

php  /  管理员 发布于 7年前   180

迷上了正则，不断尝试着新花招，首先感谢TNA 的非完全输出RSS，然后再次感谢SH的强迫性学习。没有TNA，我不会去看正则，更不知道世界上有种这么牛的表达式；不是SH的死活说他不懂不知道，我也不会硬着头皮去琢磨，去改进。达到同一个目的，正则的表达方式可以不唯一，没有做不到，只有你没想到。可以这样说吧，正则就是玩设定规律，我大爱这种东西。没有比设定规律筛选东西更让我兴奋、感到awesome的了。

分享一下在php环境下使用正则提取图片地址的一些小心得：

图片网址规范的html代码无非就是

复制代码 代码如下:

1和2是非必需的，若要通过XHTML认证4、5、6必不可少，3是核心内容，当然就不能少了。

就正则谈正则的话，我写出的最短匹配是

复制代码 代码如下:

(?<=img.+?src="https:/article/).*?(?=")

不过，这条在php里不行，会出现：

Warning: preg_match_all() [function.preg-match-all]: Compilation failed: lookbehind assertion is not fixed length at offset *** in ***

纠结了很久，都不行，原因何在呢？试了很多次，终于发现问题在(?<=img.+?src="https:/article/)这个零宽断言里，在php中，零宽断言里不支持类似“*”、“+”这些无限次的东西，于是报错了，把“.+?”改为定长就好。不过，要“img”和“src=”之间定长基本上是不可能的。通常，图片地址的img和src只会相隔一个很简单的空格，但不排除某些情况在src之前，img后有alt、titlte等东西。

所以

复制代码 代码如下:

(?<=img.src="https:/article/).*?(?=")

或
复制代码 代码如下:

(?<=img\ssrc=").*?(?=")

可能可以，但不保证100%没问题。

你也许会问，单纯

复制代码 代码如下:

(?<=src="https:/article/).*?(?=")

不行吗？通常情况，可以，但，搜索过页面的盆友应该知道，除了图片地址用src开头以外，javascript地址也用src开头！而且，太多神通广大的不可预知因素隐含其中，于是这个貌似很简短完美的写法就行不通了。

你又或许会问，聪明简短的不行，我把图片的后缀列出来，总该可以了吧，如

复制代码 代码如下:

(?<=src="https:/article/).*?\.(jpg|jpeg|gif|png|bmp|JPG|JPEG|GIF|PNG|BMP)

的确，这个写法实在是很老实，不过，你见过没有后缀的图片？wwe.com 有很多这种例子呢

RAW http://us.wwe.com/content/media/images/Headers/15559182
SmackDown http://us.wwe.com/content/media/images/Headers/15854138
NXT http://us.wwe.com/content/media/images/Headers/15929136
Superstars http://us.wwe.com/content/media/images/Headers/15815850

上面的网址都是图片，但都没有传统后缀，你老实也没用，还是不能获取到它们。

怎么办呢？还可以这样

复制代码 代码如下: