正則獲取圖片地址鏈接地址

更新時間：2008年12月10日 14:11:24 作者：

可以獲取網(wǎng)頁中所有的圖片地址和鏈接地址的代碼，好像一般用在獲取網(wǎng)頁中的資源地址時用的到

reg = /<[img|href][^>]*src\s*=\s*('|")?([^'">]*)\1([^>])*>/ig

正則獲取圖片地址

一、問題：

采集的過程中遇到一個問題：從數(shù)據(jù)庫里讀出來的圖片沒有正常顯示，分析后發(fā)現(xiàn)是數(shù)據(jù)庫里的圖片以網(wǎng)站根目錄為相對路徑方式存儲，圖片地址如：/uploads/allimg/090403/012F31N9-1.jpg，原來做的讀取圖片是以http://開關(guān)的URL絕對圖片獲取，所以采集中出現(xiàn)以根目錄開始的圖片地址采集失敗。

二、解決方案：

分析HTML代碼，顯示圖片定用<img>標(biāo)簽，寫一個正則式獲取<img>里的圖片地址再加網(wǎng)站的網(wǎng)站轉(zhuǎn)換為URL的絕對地址，接著的事情交給后面的代碼（遠(yuǎn)程圖片獲取到本地）。

1）完善解決方法，以“<img”開始寫正規(guī)，但這個正式式比較難寫要考慮“<img>”的屬性、空格、多空格、單引號、雙引號、不規(guī)范的屬性引用（如單引號或雙引號括起的屬性值）等等。
2）應(yīng)急解決方法，只要考慮“src＝”屬性開始的正則式，但這種方式存在不完善的地方，只要有“src=”出現(xiàn)在的都會被替換，出現(xiàn)“src="的可能性有:javascript，文本里出現(xiàn)的"src"等。但這些是比較少的，再加上一個圖片格式做正則限定，出現(xiàn)被誤替換的概率會更少。

三、實現(xiàn)代碼：

考慮到第一種方法的難度暫時沒有寫，這里第二種應(yīng)急解決方法實現(xiàn)（實現(xiàn)涉及的正則式內(nèi)容這里不做講解和分析，正則式的知識內(nèi)容請google或baidu ^v^）：

復(fù)制代碼代碼如下:

 
<?php 
//測試樣式，考慮多種情況下的正則式。 
$body = <<<HTML 
<P align=center>1<img width="60" height="90px" src='http://www.chongwen.com/uploads/allimg/090403/012F35310-0.jpg'></P> 
<P align=center>2<img src='/uploads/allimg/090403/012F31N9-1.jpg' border="0"></P> 
<P align=center>3<img src='/uploads/allimg/090403/012F3D13-2.jpg'style="width:100px"> </P> 
<P align=center>4<img width="60" height="90px" src= "http://www.chongwen.com/uploads/allimg/090403/012F35310-0.jpg"></P> 
<P align=center>5<img src=" /uploads/allimg/090403/012F31N9-1.jpg " border="0"></P> 
<P align=center>6<img src= " /uploads/allimg/090403/012F31N9-1.jpg " border="0"></P> 
<P align=center>7<img src= /uploads/allimg/090403/012F3D13-2.jpg style="width:100px"> </P> 
HTML; 

//網(wǎng)站的地址 
$str='src=/'http://www.chongwen.com/'; 
$body=preg_replace('/src/s*?=/s*?[/"|/']?/s*?//(.+?/.(?:jpg|gif|png|bmp))(/"|/'|/s)*?/s*?/is',"$str$1 '",$body); 
echo $body; 
?> 