如何使用 PHP/regexp 从 html 页面中提取链接图像

Question

我正在寻找一些 PHP 代码或 rexeg 表达式（我对 regexp 不太熟练）来从 html 文件中提取链接的图像。换句话说，只是看起来像这样的 html 块：<a href=...><img src=...></a>我知道如何分别提取图片和链接$links = $dom->getElementsByTagName('a'); $images = $dom->getElementsByTagName('img');但不是如何在另一个中提取两个标签。我也没有通过谷歌搜索找到任何东西。那么我想做的事情可能不常见还是非常困难？你可以帮帮我吗？谢谢。

Answer 1

您可以使用以下 XPath 查询：

//a[./img]

这意味着任何<a>以 a<img>作为其直接子元素的元素。

使用PHP 的 DOM API，它看起来像这样：

$domDocument = new \DOMDocument();

$domDocument->loadHTML($html);

$xpath = new DOMXPath($domDocument);

$imageLinks = $xpath->query('//a[./img]');

演示：https ://3v4l.org/GXAbC

如果图像可以在 DOM 树的更下方，您可以将 XPath 查询更改为：

//a[.//img]

Answer 2

没有 xpath可以的解决方案是：

$links = $domDocument->getElementsByTagName('a');

foreach ($links as $link) {

    $img = $link->getElementsByTagName('img');

    // getting first element of DOMNodeList

    print_r($img->item(0));

}