您现在的位置是：首页 >学无止境 >使用PHP正则匹配图片地址网站首页学无止境

最近在 WordPress 某项目中需要从文章内容中匹配多个图片，在实践的过程中掉进坑里爬了很久才出来。最开始我使用的正则表达式如下：

1. <img.*?src=['|"](.*?(?:[.gif|.jpg|.png|.jpeg]))['|"].*?[/]?>

然而使用这个正则表达式来匹配图片的话就会有一个缺陷，如果 src 里面的值不是一个标准的图片地址，那么很有可能就会匹配出错。比如下面的代码，内容中共有三个 img 标签，其中第二个 img 的 src 属性是 http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg?x-oss-process=image/resize,m_fixed,h_100,w_100

<?php
$content = '<p>我是第一段</p><p>我是第二段图片前文字<img src="http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg" />我是第三段图片前文字<img src="http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg?x-oss-process=image/resize,m_fixed,h_100,w_100" /><img src="http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg" /></p><p>我是第四段文字</p>';
$image_pattern = "/<img.*?src=['|"](.*?(?:[.gif|.jpg|.png|.jpeg]))['|"].*?[/]?>/";

preg_match_all( $image_pattern, $content, $matches );

var_dump( $matches );

执行结果如下，可以看到因为第二个 img 标签里面的 src 并不是一个预想的那样，导致匹配第二个 img 的时候直接把第三个 img 一起包含进来了。当然我这里只是举了一个阿里云 oss 图片处理地址，真实的情况里面可能还有更偏离预想的，比如可能干脆是一个错误的地址。

array(2) {

  [0]=>

  array(2) {  
  [0]=>  
  string(72) "<img src="http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg" />"    [1]=>    string(191) "<img src="http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg?x-oss-process=image/resize,m_fixed,h_100,w_100" /><img src="http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg" />" 
 } 
 [1]=>  
array(2) {  
  [0]=> 
   string(58) "http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg"   
 [1]=> 
   string(177) "http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg?x-oss-process=image/resize,m_fixed,h_100,w_100" /><img src="http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg"  
}

}

正确匹配方法

指导思想：我们匹配的时候，不要限定图片路径格式，也就是不管图片的 src 属性值是合规还是不合规，先匹配出来，再处理。所以使用下面的正则表达式即可。

1. <img.*?src=['|"](.*?)['|"].*?[/]?>

先把 img 标签里面的 src 值匹配出来，判断这个值是否合规，参考代码如下：

1. <?php

2. $content = '<p>我是第一段</p><p>我是第二段图片前文字<img src="http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg" />我是第三段图片前文字<img src="http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg?x-oss-process=image/resize,m_fixed,h_100,w_100" /><img src="http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg" /></p><p>我是第四段文字</p>';

4. $image_pattern = "/<img.*?src=['|"](.*?)['|"].*?[/]?>/";

5. preg_match_all( $image_pattern, $content, $matches );

7. if( !empty( $matches[1]) ){

8. 	//循环匹配到的src

9. 	foreach ($matches[1] as $src) {

10. 		$src_real = strtok($src,'?'); //分割，去掉请求参数

11. 		$ext = pathinfo( $src_real, PATHINFO_EXTENSION ); //获取拓展名

12. 		if( in_array( $ext, ['jpg','jpeg','gif','png'] ) ){

13. 			echo $src_real.PHP_EOL;

14. 		}

15. 	}

16. }

输出结果符合要求，如下：

1. http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg

2. http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg

3. http://image-demo.oss-cn-hangzhou.aliyuncs.com/example.jpg

平时不经常用到，用起来的时候总会去重复写正则。

于是准备了下面两个正则，能匹配带HTTP和不带HTTP的链接。
[php]
preg_match_all("/<img[^>]+src=["|'| |s]+?([^>]*?.(gif|jpg|png|bmp|jpeg))/isU", $content, $img_array);
$img_array = array_unique($img_array[2]);
[/php]

[php]
preg_match_all("/(src)=["|'| ]{0,}(http://([^>]*).(gif|jpg|png))/isU", $content, $img_array);
$img_array = array_unique($img_array[2]);
[/php]