Тег TITLE

Как извлечь img src, title и alt из html с помощью php?

Я хотел бы создать страницу, где все изображения, которые находятся на моем сайте, перечислены с заголовком и альтернативным представлением. Я уже написал мне небольшую программу для поиска и загрузки всех HTML файлов, но теперь я застрял в том, как извлечь src , title и alt из этого HTML:

Я предполагаю, что это должно быть сделано с некоторым регулярным выражением, но поскольку порядок тегов может отличаться, и мне все они нужны, я действительно не знаю, как это разбираться элегантным способом (я мог бы сделать это жесткий char способом char, но это больно).

21 ответ

EDIT: теперь, когда я лучше знаю

Использование regexp для решения этой проблемы — плохая идея и, вероятно, приведет к недостижимому и ненадежному коду. Лучше использовать парсер HTML.

Решение С regexp

В этом случае лучше разбить процесс на две части:

Я предполагаю, что ваш документ не является строгим xHTML, поэтому вы не можете использовать синтаксический анализатор XML. НАПРИМЕР. с этим исходным кодом веб-страницы:

/* preg_match_all match the regexp in all the $html string and output everything as an array in $result. "i" option is used to make it case insensitive */ preg_match_all('/]+>/i',$html, $result); print_r($result); Array ( [0] => Array ( [0] =>  [1] => [2] => [3] => [4] => [. ] ) ) 

Затем мы получаем все атрибуты тега img с помощью цикла:

$img = array(); foreach( $result as $img_tag) < preg_match_all('/(alt|title|src)=("[^"]*")/i',$img_tag, $img[$img_tag]); >print_r($img); Array ( [ ] => Array ( [0] => Array ( [0] => src="/Content/Img/stackoverflow-logo-250.png" [1] => alt="logo link to homepage" ) [1] => Array ( [0] => src [1] => alt ) [2] => Array ( [0] => "/Content/Img/stackoverflow-logo-250.png" [1] => "logo link to homepage" ) ) [] => Array ( [0] => Array ( [0] => src="https://overcoder.net/content/img/vote-arrow-up.png" [1] => alt="vote up" [2] => title="This was helpful (click again to undo)" ) [1] => Array ( [0] => src [1] => alt [2] => title ) [2] => Array ( [0] => "/content/img/vote-arrow-up.png" [1] => "vote up" [2] => "This was helpful (click again to undo)" ) ) [] => Array ( [0] => Array ( [0] => src="https://overcoder.net/content/img/vote-arrow-down.png" [1] => alt="vote down" [2] => title="This was not helpful (click again to undo)" ) [1] => Array ( [0] => src [1] => alt [2] => title ) [2] => Array ( [0] => "/content/img/vote-arrow-down.png" [1] => "vote down" [2] => "This was not helpful (click again to undo)" ) ) [] => Array ( [0] => Array ( [0] => src="http://www.gravatar.com/avatar/df299babc56f0a79678e567e87a09c31?s=32&d=identicon&r=PG" [1] => alt="gravatar image" ) [1] => Array ( [0] => src [1] => alt ) [2] => Array ( [0] => "http://www.gravatar.com/avatar/df299babc56f0a79678e567e87a09c31?s=32&d=identicon&r=PG" [1] => "gravatar image" ) ) [..] ) ) 

Regexps имеют интенсивность процессора, поэтому вам может понадобиться кэшировать эту страницу. Если у вас нет системы кэширования, вы можете настроить свою собственную, используя ob_start и загрузку/сохранение из текстового файла.

Как работает этот материал?

Сначала мы используем preg_ match_ all, функцию, которая получает каждую строку, соответствующую шаблону, и выводит ее в третий параметр.

Мы применяем его на всех веб-страницах html. Его можно прочитать, поскольку каждая строка, начинающаяся с » » char и заканчивается нa > .

Мы применяем его последовательно на каждом теге img. Он может быть прочитан как каждая строка, начинающаяся с «alt», «title» или «src», затем «=», затем «,» куча вещей, которые не являются «и заканчивается символом» «, Изолировать подстроки между().

Наконец, каждый раз, когда вы хотите иметь дело с регулярными выражениями, удобно иметь хорошие инструменты для быстрого тестирования. Проверьте этот онлайн-тестер регулярных выражений.

EDIT: ответьте на первый комментарий.

Это правда, что я не думал о (надеюсь, несколько) людей, использующих одинарные кавычки.

Ну, если вы используете только ‘, просто замените все на.

Если вы смешиваете оба. Сначала вы должны пощекотать себя:-), затем попытайтесь использовать ( «|» ) вместо или «и [^ ø], чтобы заменить [^» ].

Единственная проблема — одиночные кавычки: не будет работать, регулярное выражение ожидает «все время»

Я НЕ рекомендовал бы прокручивать вниз (хорошо, сделайте прокрутку, чтобы проверить это): хотя код кажется простым и поэтому заманчивым для использования людьми, DOMDocument имеет слишком много накладных расходов, когда вы просто хотите получить атрибуты из тега. ..

Это решение хорошо, если: вы не знаете тег для анализа html, у вас есть 1 строка html и вам нужно 1-2 атрибута. Загрузка DOMDoc требует много памяти, что бесполезно, если вы не анализируете весь документ.

Источник

Извлечение данных с помощью регулярных выражений PHP

Получение данных с помощью функций preg_match() и preg_match_all() .

Текст из скобок

Извлечение содержимого из круглых, квадратных и фигурных скобок:

$text = ' Телеобъектив: диафрагма [ƒ/2.8] Широкоугольный объектив: (диафрагма ƒ/1.8) По беспроводной сети: Поддержка диапазона: '; /* [. ] */ preg_match_all("/\[(.+?)\]/", $text, $matches); print_r($matches[1]); /* (. ) */ preg_match_all("/\((.+?)\)/", $text, $matches); print_r($matches[1]); /* */ preg_match_all("/\<(.+?)\>/", $text, $matches); print_r($matches[1]); /* */ preg_match_all("/\<(.+?)\>/", $text, $matches); print_r($matches[1]);

Результат:

Array ( [0] => ƒ/2.8 ) Array ( [0] => диафрагма ƒ/1.8 ) Array ( [0] => до 13 часов ) Array ( [0] => Dolby Vision и HDR10 )

Текст из HTML тегов

$text = '  
Тег H1
 
Текст 1
 
Текст 2
 '; /*