php正则匹配图片路径原理与方法

提取src=里面的图片地址还不足够,因为不能保证那个地址一定是绝对地址,完全的地址,如果那是相对的呢？如果地址诸如:

albums/Candids/thumb_P1050338.jpg

/content/media/touts/5271608/5271654/15320982

那该如何是好？有时在这些地址前面需要加http://Vevb.com/,有些甚至要加http://Vevb.com/example2/.../ 于是,要写出出一种法则符合所有要求,简直是天方夜谭,只能见机行事对症下药,有时,需要从前面动刀,有时需要从后面砍断。

今天,我惊讶地知道了一个道理,原来http://Vevb.com/ 和http://Vevb.com////// 是一样的！

http://img3.Vevb.com/pics/nav/lg_main_a6.png 和

http://img3.Vevb.com////pics////nav///lg_main_a6.png

最终你都能到达,图片网址规范的html代码无非就是:

1 <img src="??" title="??" alt="??" border="??" width="??" height="??" /> 

??和??是非必需的，若要通过XHTML认证??、??、??、??必不可少,就正则谈正则的话,我写出的最短匹配是 (?<=img.+?src=").*?(?="),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=")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

(?<=img.src=").*?(?=") 或 (?<=imgssrc=").*?(?=") 可能可以,但不保证100%没问题,你也许会问,单纯 (?<=src=").*?(?=") 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

(?<=src=").*?.(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:<img(.*?)src="(.*?)(?=") 

和上面的表达式不同,这次的结果中array[0]的内容不是我们想要的，我们要的图片地址在array[2]里。为什么呢？因为我们用了2个 (.*?)，每个“（）”的东西会自动存在一个组里，而array[0]代表结果的汇总，array[1]包含了img和src里的所有东西，array[2]才轮到我们想要的图片地址。这种匹配方法，既能匹配有传统后缀的图片，也能匹配一些无后缀的图片文件，同时又不会杀错其它src=文件,个人感觉还是不错的.

你到底要什么样的图片，是固定格式还是其它？得具体情况具体分析呢,我的建议是：如果你要的图片地址的格式是img空格src=的,请使用：(?<=img.src=").*?(?=") ,数组唯一,你懂的。

否则,请使用<img(.*?)src="(.*?)(?="),记得留意有用内容所在的数组位置哦,并在项目中使用了很长时间的正则吧.

/<img.*srcs*=s*["|']?s*([^>"'s]*)/i

我使用kindeditor保存文章,但是需要取出第N个图片的地址作为文章的标志图片,文章代码(内容的html)保存到数据库一个字段,然后图片地址保存到另外一个字段.我就是使用上面的正则解决的.

我说明下,上面的地址是直接获取img标签内src属性的值.在使用该正则的php页面访问该路径如果能找到图片的话,可以直接使用,如果不能,你可以使用preg_match_all将所有地址先保存到数组,然后处理路径,比如获取文件名称(不含路径部分),然后重新组成url,再删除图片.

我的例子:

preg_match_all("/<img.*srcs*=s*["|']?s*([^>"'s]*)/i",str_ireplace("/","",$content),$arr);

呵呵 我的内容部分被php给加上转义了,所以我需要先把去除,str_ireplace("/","",$content),然后将匹配的内容保存到$arr数组(二维的).

$arr[1]就是存储该路径的数组.