如何抓取图片链接_PHP提取网页图片链接技巧【教程】

php抓取网页图片链接应优先使用file_get_contents配合domdocument解析，而非正则匹配；需处理data-src与src、相对路径补全、base标签、user-agent及referer等防盗链措施。

PHP 抓取网页图片链接，核心不是“能不能”，而是“用对方法”——file_get_contents + DOMDocument 是最稳的组合，正则匹配 <img alt="如何抓取图片链接_PHP提取网页图片链接技巧【教程】" > 标签在大多数真实网页中会漏掉或错抓。

为什么别用正则解析 <img alt="如何抓取图片链接_PHP提取网页图片链接技巧【教程】" > 标签

HTML 不是正则友好的格式：标签可能跨行、属性顺序不固定、有自闭合写法、含 js 动态插入内容。常见错误现象包括：

• 漏掉 <img src="..." alt="如何抓取图片链接_PHP提取网页图片链接技巧【教程】" > 中换行后的 src 属性
• 把 CSS 背景图 URL（如 style="background:url(...)"）误判为 <img alt="如何抓取图片链接_PHP提取网页图片链接技巧【教程】" >
• 抓到注释里的假链接，比如 <!-- <img src="xxx" alt="如何抓取图片链接_PHP提取网页图片链接技巧【教程】" > -->
• 遇到 html5 自定义属性（如 data-src）直接忽略

用 DOMDocument 安全提取 src 和 data-src

DOMDocument 能真正解析 HTML 结构，兼容性好、容错强。关键点：

• 务必调用 $dom->loadHTML($html, LIBXML_NOERROR | LIBXML_NOWARNING) 屏蔽解析警告
• 用 $dom->getElementsByTagName('img') 遍历所有 <img alt="如何抓取图片链接_PHP提取网页图片链接技巧【教程】" > 元素
• 优先读 $img->getAttribute('data-src')（懒加载常见）， fallback 到 src
• 用 filter_var($url, FILTER_VALIDATE_URL) 过滤掉相对路径或无效值，再补全协议和域名

示例片段：

立即学习“PHP免费学习笔记（深入）”；

$dom = new DOMDocument(); @$dom->loadHTML($html, LIBXML_NOERROR | LIBXML_NOWARNING); $imgs = $dom->getElementsByTagName('img'); $urls = []; foreach ($imgs as $img) {     $url = $img->getAttribute('data-src') ?: $img->getAttribute('src');     if ($url && filter_var($url, FILTER_VALIDATE_URL) === false) {         $url = rtrim($base_url, '/') . '/' . ltrim($url, '/');     }     if (filter_var($url, FILTER_VALIDATE_URL)) {         $urls[] = $url;     } }

处理 httpS、相对路径和 base 标签

网页里 src="/images/a.jpg" 或 src="images/b.png" 必须转成完整 URL，否则下载会 404。不能硬拼 https://domain.com/ —— 页面可能含 <base href="https://cdn.example.com/">。实操建议：

• 先用 $dom->getElementsByTagName('base') 拿 href，存在则作为基准
• 没 <base> 就用请求该网页时的原始 URL（即 $base_url）
• 用 parse_url() 拆解基准 URL，再用 dirname() 处理相对路径层级
• 避免用 str_replace 或 substr 手动拼接，容易出错

注意防盗链和 User-Agent

很多图床（如微博、知乎、头条）返回空响应或 403，不是代码问题，是服务端校验了 User-Agent 或 Referer。调试时可加：

• stream_context_set_default(['http' => ['header' => "User-Agent: Mozilla/5.0 (X11; linux x86_64) AppleWebKit/537.36"]]);
• 必要时补 Referer: https://example.com/（需与目标站同源或允许）
• 有些站点还校验 Accept 头，设成 image/webp,image/apng,image/*,*/*;q=0.8 更稳妥

真正难的不是提取链接，是让服务器愿意把图片给你——URL 对了，头不对，照样拿不到。