做文章搬運、圖片鏡像或內容分析時,常常需要從一段 HTML 字串中把圖片全部挑出來,尤其是取得圖片網址。這個時候正則表達式是最快的工具。
<img> 標籤,過濾掉其他無關字元。src 屬性值。
<script type="text/javascript">
// 步驟一:配對出所有 img 標籤
// 步驟二:從配對結果中逐一取出圖片網址
var str = 'this is test string <img src="https://yourweb.com/test.jpg" width="50" > '
+ '123 and the end <img src="所有地址也能匹配.jpg" /> 33! '
+ '<img src="/uploads/attached/image/20120426/20120426225658_92565.png" alt="" />';
// 配對 img 標籤(g 表示全域配對,i 表示忽略大小寫)
var imgReg = /<img.*?(>|\/>)/gi;
// 配對 src 屬性
var srcReg = /src=['"]?([^'"]*)['"]?/i;
var arr = str.match(imgReg);
alert('所有已成功配對圖片的陣列:' + arr);
for (var i = 0; i < arr.length; i++) {
var src = arr[i].match(srcReg);
if (src[1]) {
alert('已配對的圖片地址 ' + (i + 1) + ':' + src[1]);
}
// 也可以直接把 src 換成 href
if (src[0]) {
var t = src[0].replace(/src/i, "href");
}
}
</script>
<img.*?(>|\/>):這裡刻意用懶惰配對 .*?,而不是貪婪的 .*。若用貪婪模式,一行內有多個 img 時會被誤判成一個大標籤。src=['"]?([^'"]*)['"]?:抓 src= 後面的值,引號可有可無(用 ? 讓它成為選用),括號內的 [^'"]* 表示「一路吃到遇到引號為止」。match 回傳陣列的 [1] 位置([0] 是整個匹配結果)。正則解析 HTML 有先天限制(標籤未閉合、屬性跨行、註解中的 img 等情況都容易出錯)。若環境允許,用 DOMParser 會穩健得多:
const doc = new DOMParser().parseFromString(str, 'text/html');
const srcs = [...doc.querySelectorAll('img')].map(img => img.src);
console.log(srcs);
正則適合處理格式單純、可控的字串;碰到不可信的外部 HTML,交給瀏覽器自己的解析器才是正解。