preg_matchと正規表現でURL抽出

2023/08/03 15:29

このQ&Aのポイント

HTMLのデータから<img>タグに囲まれたURLと<a>タグのリンク先URLを抽出する方法について質問です。
preg_matchを使用して一番初めに出てくる<img>タグのURLと<a>タグのリンク先URLを取得する方法について教えてください。
HTMLのデータから特定のURLを取得する方法についてお聞きしたいです。

ベストアンサー

preg_match と正規表現で URL抽出

2006/10/23 00:20

HTMLのデータが入っている変数 $data から、一番初めにでてきた<img>タグに囲まれるＵＲＬと、そこに<a>タグがある場合はそのリンク先のＵＲＬを取得させたいのですが、もし<a>のない場合のケースでどう条件付ければよいかわからず、困っています。 <? $data = "<html><head></head><body>こんにちは、元気ですか？ <a href=\"http://www.hoge.co.jp\"><img=\"http://www.hoge.co.jp/hoge.jpg\"></a> <img=\"http://www.hoge02.co.jp/hoge02.jpg\"> </body></html>"; if (preg_match("#<a href=\"(.+)\"><img=\"(.+)\"></a>#", $txt, $reg)){ $link = $reg[1]; $url = $reg[2]; } echo "URL = {$url} LINK = {$link}"; ?> この場合、一番初めに出てきた hoge.jpg のＵＲＬとＬＩＮＫ両方取得してくれますが、もし hoge02.jpg　が先に来た場合、そのＵＲＬを取得させるようにしたいのですが可能でしょうか？もし何かご存知の方おられましたらどうぞよろしくお願いいたします。

jyuu
お礼率83% (553/665)

PHP
回答数1
ありがとう数1

みんなの回答 （1）
専門家の回答

質問者が選んだベストアンサー

ベストアンサー

fdsjaklfjas
ベストアンサー率81% (96/118)

2006/10/23 14:38 回答No.1

かなり緩いマッチ条件ですが、以下でどうでしょうか。 $data = "<html><head></head><body>こんにちは、元気ですか？<a href=\"http://www.hoge.co.jp\"><img=\"http://www.hoge.co.jp/hoge.jpg\"></a><img=\"http://www.hoge02.co.jp/hoge02.jpg\></body></html>"; if (preg_match("/(?:<a href=\"([^\"]+)\">)?\s*<img=\"([^\"]+)\">/", $data, $reg)) { $link = $reg[1]; $url = $reg[2]; } ・<img="URL"> ではなく <img src="URL">が正しい？・$dataが、不特定の人が投稿する掲示板記事のようなものなら、　$link、$urlがURLとして妥当な形式かを確認し、HTMLエスケープ　をしてからechoするべきですね（クロスサイトスクリプティング　を避けるためです）。

質問者

お礼 2006/10/24 10:48

ありがとうございました。おかげさまで助かりました。

関連するQ&A

正規表現を使って？
置換の正規表現を使ってこのURLを（例） <A href="http://123.com/456/789/"><IMG src="http://123/456/789.jpg" border="0"></A> <A href="http://123.com/456/789/">リンク先</A> このようにしたいです。 <A href="http://tesuto=http%3A%2F%2F123.com%2F456%2F789%2F"><IMG src="http://123/456/789.jpg" border="0"></A> <A href="http://tesuto=http%3A%2F%2F123.com%2F456%2F789%2F">リンク先</A> :は%3aに /は%2fに最後にリンク先のURLにhttp://tesuto=を追加したいです。（<IMG src="からのURLはそのままにしたいです。）ちなみにhtml内には様々なタグが入っていてリンク先も様々なURLが書かれているとします。（http://123.com/456/789/やhttp://123.com/456/789/abc/dehg/など）正規表現についてはまったく分からず悩んでいます。どなたかよろしくお願いします。
- ベストアンサー
- その他（プログラミング・開発）
正規表現（～を含まないものにマッチ）
Perlの正規表現について質問です。画像<img src="http://hogehoge.com/img/gokuu.jpg" border=0><a href="http://hogehoge.com/">hogehoge</a> 画像<img src="http://hogehoge.com/img/pikkoro.jpg" border=0><a href="http://hogehoge.com/">hogehoge</a> 画像<img src="http://hogehoge.com/img/bejiita.jpg" border=0><a href="http://hogehoge.com/">hogehoge</a> 画像<img src="http://hogehoge.com/img/gohan.jpg" border=0><a href="http://hogehoge.com/">hogehoge</a> 画像<img src="http://hogehoge.com/img/buruma.jpg" border=0><a href="http://hogehoge.com/">hogehoge</a> ↓　処理後　↓ 画像<img src="gazo_new1.jpg" border=0><a href="http://hogehoge.com/">hogehoge</a> 画像<img src="gazo_new2.jpg" border=0><a href="http://hogehoge.com/">hogehoge</a> 画像<img src="gazo_new3.jpg" border=0><a href="http://hogehoge.com/">hogehoge</a> 画像<img src="gazo_new4.jpg" border=0><a href="http://hogehoge.com/">hogehoge</a> 画像<img src="gazo_new5.jpg" border=0><a href="http://hogehoge.com/">hogehoge</a> （変更した画像：gokuu.jpg,pikkoro.jpg,bejiita.jpg,gohan.jpg,buruma.jpg,）以上のように画像URL部分のみを gazo_new(連番).jpg に変更させ、変更前の画像URL一覧を表示させるスクリプトを書いてみました。 $htmldata にHTMLの全データが格納されているとします。 $i=1; while($htmldata=~/(<\s*img.*?src.*?=["\s]*)([.\/]*?\/)?((?:(?!gazo_new)[^"\s>])*)?["\s]?.*?>/i){ $imgurlparts .="$3,"; $htmldata=~ s/(<\s*img.*?src.*?=["\s]*)((?:(?!gazo_new)[^"\s>])*)?(["\s]?.*?>)/$1gazo_new$i.jpg$3/i; $i++; } $htmldata .="（変更した画像：$imgurlparts）"; どうにもうまく動きません。何卒ご教示をお願い致します。
- ベストアンサー
- Perl
正規表現についての質問です。
正規表現についての質問です。現在、HTMLのimgタグを使って「/img/jpg/」ディレクトリにある画像ファイルを複数表示しています。例） <img src="/img/jpg/1111.jpg" > <img src="/img/jpg/mm2222.jpg" > <img src="/img/jpg/kkkkk3333.jpg" > これをそれぞれ、以下のように置換したいと考えています。例） <a href="http://www.xxxxx.jp/1111.jpg"><img src="/img/jpg/1111.jpg" width="240px"></a> <a href="http://www.xxxxx.jp/mm2222.jpg"><img src="/img/jpg/mm2222.jpg" width="240px"></a> <a href="http://www.xxxxx.jp/kkkkk3333.jpg"><img src="/img/jpg/kkkkk3333.jpg" width="240px"></a> imgタグをリンクタグで囲むのですが、リンク先URLには元々の画像ファイル名が使われています。また、imgタグには「width="240px"」が付加されています。このような置換をPHP5で行うには、どのような正規表現を使用したらよろしいでしょうか。宜しくお願い致します。
- 締切済み
- PHP
正規表現についての質問です。
正規表現についての質問です。現在、HTMLのimgタグを使って「/img/jpg/」ディレクトリにある画像ファイルを複数表示しています。例） <img src="/img/jpg/1111.jpg" > <img src="/img/jpg/mm2222.jpg" > <img src="/img/jpg/kkkkk3333.jpg" > これをそれぞれ、以下のように置換したいと考えています。例） <a href="http://www.xxxxx.jp/1111.jpg"><img src="/img/jpg/1111.jpg" width="240px"></a> <a href="http://www.xxxxx.jp/mm2222.jpg"><img src="/img/jpg/mm2222.jpg" width="240px"></a> <a href="http://www.xxxxx.jp/kkkkk3333.jpg"><img src="/img/jpg/kkkkk3333.jpg" width="240px"></a> imgタグをリンクタグで囲むのですが、リンク先URLには元々の画像ファイル名が使われています。また、imgタグには「width="240px"」が付加されています。このような置換をPHP5で行うには、どのような正規表現を使用したらよろしいでしょうか。宜しくお願い致します。
- ベストアンサー
- PHP
正規表現で置換
その1 $str = "ほげほげほげ<a href="http://xxxx.xxxx.xxx/xxxx/">ほげほげほげ</a>ほげほげ <img src="http://yyy.hoge.jp/hage/hige/xxxx.jpg" width="320" height="240" />ほげほげ"; ↓ $str = "ほげほげほげ<a href="http://xxxx.xxxx.xxx/xxxx/">ほげほげほげ</a>ほげほげ <img src="./foo/faa/fii/xxx.jpg" width="320" height="240" />ほげほげ"; その2 $str = "<img src="http://yyy.hoge.jp/hage/hige/xxxx.jpg" width="320" height="240" />ほげほげほげ<a href="http://xxxx.xxxx.xxx/xxxx/">ほげほげほげ</a>ほげほげ <img src="http://yyy.hoge.jp/hage/hige/xxxx.jpg" width="320" height="240" />ほげほげ"; ↓ $str = "<img src="./foo/xxxx.jpg" width="320" height="240" />ほげほげほげ<a href="http://xxxx.xxxx.xxx/xxxx/">ほげほげほげ</a>ほげほげ <img src="./foo/faa/fii/xxx.jpg" width="320" height="240" />ほげほげ"; このような文字列があった時に、次のように従って置換したいです。 1.imgのタグの内部に、「http://yyy.hoge.jp/hage/hige/xxx.jpg」という文字列があった場合、「./foo/faa/fii/xxx.jpg」という文字列に置き換える。 2.それ以外のURLの場合は置換しない。 3.その1とその2では「xxx.jpg」となっていますが、jpg以外の拡張子の場合も存在する。 4.日本語とURLの位置や個数はバラバラです。 5.URLの中のxxxとyyyは不定の文字列で、hage、hoge、hige、foo、faa、fiiは固定です。 6.使用している言語はPHPです。正規表現を1度だけでできれば理想的ですが、今回は2回に渡った処理でも問題ありません。以上です。正しく処理できる正規表現、あるいは下記の正規表現の誤りを教えて頂ければ幸いです。お手数ですが、よろしくお願い致します。下記の方法では、うまくできませんでした。 $pattern = "/http:\/\/.*?hoge.jp\//"; $replacement = "./"; $str= preg_replace($pattern, $replacement, $str); $pattern2 = '/\/?hage\/hoge/'; $str = preg_replace($pattern2, '/foo/faa/fii', $str);
- ベストアンサー
- PHP
preg_match_allで正規表現
preg_match_allにて、次のように<img>が連続したソースから、 ※URLは全てダミーです <img src="http://a.com/a/a.jpg"><img width="10" src='http://b.com/b/b.gif' height="10"><img width="10" height="10" src='http://c.com/c/c.png"><img src=http://d.com/d/d.jpg><img src="http://e.com/hogefuga/e.jpg"> 個々のimgタグ全体と"<img～>"、個々のsrc="～"のURLを抽出したいのですが、下記の条件でマッチさせることはできるでしょうか？ 1. imgの属性位置・有無に問わず 2. 属性のくくりが、'" のどちらでも、または有無に問わず 3. src=～内に、"hogefuga"を含まないものにだけマッチ（否定形）次のような正規表現で試したところ、 $pattern = '/<img.*?src=(\'|")?((?(?!hogefuga).)*\.(jpg|gif|png))(\'|")?.*?>/i'; 下のようにimgタグが1行づつ並んでいる場合は上手くいったのですが、連続して並んでいる場合は個々の、"<img～>"でマッチされませんでした。 ※URLは全てダミーです <img src="http://a.com/a/a.jpg"> <img width="10" src='http://b.com/b/b.gif' height="10"> <img width="10" height="10" src='http://c.com/c/c.png"> <img src=http://d.com/d/d.jpg> <img src="http://e.com/hogefuga/e.jpg"> 最終的にはsrc="～"のURLに応じて、画像をテキストリンクへ置換する、ということをしたいのですが、正規表現がよくわからず試行錯誤しています。このような場合はどのような正規表現を書くべきなのでしょうか？どうぞよろしくお願いします。
- ベストアンサー
- PHP
効率良くURLを拾う正規表現
掲示板に投稿された文章から、効率良くURL(Email add含む)を拾い、<a>タグを仕込むには、置換処理の中でどのように正規表現を組むのが安全かつ効率的ですか？例：　私のＨＰはhttp://www.hoge.com/です。　お問い合わせはhoge@hoge.comまで。　　　　　　　　↓ 　私のＨＰは<a href="http://www.hoge.com/">http://www.hoge.com/</a>です。　お問い合わせは<a href="mailto:hoge@hoge.com">hoge@hoge.com</a>まで。
- ベストアンサー
- PHP
戻り読みの代わりとなる正規表現について
正規表現を使いたいのですが、 javascriptでは戻り読み表現が使えないと知って困っています・・・ <a href="http://abc.com/"><img src="http://image.abc.com/def.jpg"></a> <a href="http://hogehoge.com/"><img src="http://hogehoge.com/hoge.jpg"></a> <a href="http://123.com/"><img src="http://456.com/789.jpg"></a> <a href="http://momomo.com/"><img src="http://lelele.com/momo.jpg"></a> 上記のソースから http://image.abc.com/def.jpg http://hogehoge.com/hoge.jpg http://456.com/789.jpg http://lelele.com/momo.jpg だけをマッチさせたいです。（画像のパスだけをマッチさせたい） URLは今後も増える可能性があり、サイト名、文字数、画像名などもバラバラです。うまくマッチさせる方法はありますでしょうか。詳しい方いらっしゃいましたらよろしくお願いします！
- ベストアンサー
- JavaScript
PHP正規表現の難題・preg_replaceでイメージタグをリンクタグに…
PHPのpreg_replaceを使用して、 imgタグをaタグに置換するプログラムで躓いています。全てのパターン$hogeで適用される正規表現をかけません。（※現在パターン１のみ出来ない状況で困っています）間違い箇所ありましたらご教授下さい。 ■パターン１ $hoge = '<img src="http://test.jp/test.gif" class="test" style="border:none;" />'; ■パターン２ $hoge = '<img src="http://test.jp/test.gif">'; ■パターン３ $hoge = '<img width="100" src="http://test.jp/test.gif">'; preg_replace('/\<img(.*)src=\"?(http[\-_\.\!\~\*\'a-z0-9\;\/\?\:@&=\+\$\,\%\#]+(jpg|jpeg|gif|png|bmp))\"(.*)\>/i',"<a href='\\2'>link</a>",$hoge); どうぞよろしくお願い致します。
- ベストアンサー
- PHP
一つの行にURLが複数ある場合の、URL抽出方法は？
htmファイルの中から、リンクされたURL情報を抽出するのが今回の目的です。ご相談したいのは、URL情報が一つの行中に複数ある場合の抽出方法です。ちなみに「一つの行にある<a href>リンクが一つだけ」の場合ですと、正規表現 <a +href=('|\").*('|\") *> でURLデータを正しく抽出できるところまで来ています。ですが一つの行にある<a href>リンクが２つ以上あった場合は、最長一致のルールに従って、うまく抽出できません。具体的に申し上げると、ケース１：<a href="www.hoge.htm">ほげ</a> <a href="www.hoge.htm"> が抽出できる。ケース２：<a href="www.hoge.htm">ほげ</a><a href="www.hogehoge.htm">ほげほげ</a> <a href="www.hoge.htm">ほげ</a><a href="www.hogehoge.htm"> が抽出される。（本当は２つを別々に取り出したい）
- ベストアンサー
- その他（プログラミング・開発）