请指定正确的正则表达式

这取决于你要找回什么。我自己也不是PHP专业人士,但我会这样做:

<?php
    $contents = file_get_contents($_SERVER['PHP_SELF']);
    $array = explode("<table width=\"100%\" border=\"0\" cellpadding=\"0\" cellspacing=\"0\" bgcolor=\"#EBEBEB\">", $contents);
    $newarray = explode("</table>", $array[1]);
    $yourdata = $newarray[0];
?>

如果您不介意将其余的原始HTML放在那里,那么应该使用这个方法。否则,其他人可能会有更好的解决方案。

XPath 而不是正则表达式。

虽然正则表达式可以很好地处理各种各样的任务,但我发现它在解析htmldom时通常是不够的。HTML的问题是,文档的结构非常多变,很难准确地(准确地说,我的意思是100%的成功率没有假阳性)提取标记。

我建议您使用DOM解析器,例如 phpQuery 并按如下方式使用:

function get_first_image($html){
    $dom = phpQuery::newDocument($html);

    $first_img = $dom->find('img:first');

    if($first_img !== null) {
        return $first_img->attr('src');
    }

    return null;
}

有些人可能认为这是一种过分的做法,但最终,它将更易于维护,并允许更多的可扩展性。例如,使用DOM解析器,我还可以获得alt属性。

可以设计一个正则表达式来实现相同的目标,但是它的限制方式会使 alt 属性位于 src 或者相反,要克服这个限制,正则表达式将增加更多的复杂性。

另外,请考虑以下几点。正确匹配 <img> src公司

<\s*?img\s+[^>]*?\s*src\s*=\s*(["'])((\\?+.)*?)\1[^>]*?>

同样,如果出现以下情况,上述操作可能会失败:

• i
• 引号不用于 src公司
• 那么另一个属性呢 src公司 使用 >

同样,不要使用正则表达式来解析dom文档。