|
可以获取网页中所有的图片地址和链接地址的代码，好像一般用在获取网页中的资源地址时用的到
复制代码 代码如下:
reg = /<[img|href][^>]*src\s*=\s*('|")?([^'">]*)\1([^>])*>/ig
正则获取图片地址
一、问题：
采集的过程中遇到一个问题：从数据库里读出来的图片没有正常显示，分析后发现是数据库里的图片以网站根目录为相对路径方式存储，图片地址如：/uploads/allimg/090403/012F31N9-1.jpg，原来做的读取图片是以http://开关的URL绝对图片获取，所以采集中出现以根目录开始的图片地址采集失败。
二、解决方案：
分析HTML代码，显示图片定用<img>标签，写一个正则式获取<img>里的图片地址再加网站的网站转换为URL的绝对地址，接着的事情交给后面的代码（远程图片获取到本地）。
1） 完善解决方法，以“<img”开始写正规，但这个正式式比较难写要考虑“<img>”的属性、空格、多空格、单引号、双引号、不规范的属性引用（如单引号或双引号括起的属性值）等等。
2）应急解决方法，只要考虑“src＝”属性开始的正则式，但这种方式存在不完善的地方，只要有“src=”出现在的都会被替换，出现“src="的可能性有:javascript，文本里出现的"src"等。但这些是比较少的，再加上一个图片格式做正则限定，出现被误替换的概率会更少。
三、实现代码：
考虑到第一种方法的难度暂时没有写，这里第二种应急解决方法实现（实现涉及的正则式内容这里不做讲解和分析，正则式的知识内容请google或baidu ^v^）：
复制代码 代码如下:
<?php
//测试样式，考虑多种情况下的正则式。
$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;
//网站的地址
$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;
?>
| 
发表于 2008-12-10 14:11:24
