PHPを使用してHTMLからimg src、title、altを抽出する方法

2024-07-27

このチュートリアルでは、PHPを使用してHTMLファイルからimg要素のsrc、title、alt属性を抽出する方法について説明します。

必要なもの

PHP 5.4以上
HTMLファイル

手順

正規表現の準備

以下の正規表現は、img要素とその属性を抽出するために使用されます。

$pattern = '/<img\s+([^>]*?)\s*>/i';

この正規表現は以下の意味を持ちます。

<img> : img要素の開始タグ
\s+ : 1つ以上の空白文字
([^>]*?) : 属性を含むimg要素の中身。? は非貪欲マッチを指定
> : img要素の終了タグ
/i : 大文字と小文字を区別しない

HTMLファイルの読み込み

file_get_contents 関数を使用してHTMLファイルの内容を読み込みます。

$html = file_get_contents('your_html_file.html');

preg_match_all 関数を使用して、正規表現をHTMLファイルの内容に適用し、img要素とその属性を取得します。

preg_match_all($pattern, $html, $matches);

$matches 変数には、img要素とその属性に関する情報を含む配列が格納されます。

img src、title、alt属性の取得

$matches 変数から、img要素のsrc、title、alt属性を取得できます。

foreach ($matches[1] as $match) {
    // src属性を取得
    $src = preg_match('/src\s*=\s*"(.*?)"/i', $match, $src_matches);
    if ($src_matches) {
        echo 'src: ' . $src_matches[1] . '<br>';
    }

    // title属性を取得
    $title = preg_match('/title\s*=\s*"(.*?)"/i', $match, $title_matches);
    if ($title_matches) {
        echo 'title: ' . $title_matches[1] . '<br>';
    }

    // alt属性を取得
    $alt = preg_match('/alt\s*=\s*"(.*?)"/i', $match, $alt_matches);
    if ($alt_matches) {
        echo 'alt: ' . $alt_matches[1] . '<br>';
    }

    echo '<br>';
}

上記のコードは、img要素のsrc、title、alt属性をそれぞれ出力します。

上記のコードは基本的な例です。必要に応じて、コードを修正して拡張することができます。

<?php

// HTMLファイルを読み込む
$html = file_get_contents('your_html_file.html');

// 正規表現を準備
$pattern = '/<img\s+([^>]*?)\s*>/i';

// 正規表現を実行
preg_match_all($pattern, $html, $matches);

// img src、title、alt属性を取得
foreach ($matches[1] as $match) {
    // src属性を取得
    $src = preg_match('/src\s*=\s*"(.*?)"/i', $match, $src_matches);
    if ($src_matches) {
        echo 'src: ' . $src_matches[1] . '<br>';
    }

    // title属性を取得
    $title = preg_match('/title\s*=\s*"(.*?)"/i', $match, $title_matches);
    if ($title_matches) {
        echo 'title: ' . $title_matches[1] . '<br>';
    }

    // alt属性を取得
    $alt = preg_match('/alt\s*=\s*"(.*?)"/i', $match, $alt_matches);
    if ($alt_matches) {
        echo 'alt: ' . $alt_matches[1] . '<br>';
    }

    echo '<br>';
}

?>

このコードは、上記の解説で説明した手順に基づいて、img要素のsrc、title、alt属性を抽出します。
your_html_file.html を実際のHTMLファイル名に変更する必要があります。

実行方法

コードをファイルに保存します。
PHPを実行できる環境でファイルを 실행합니다。
出力を確認します。

出力例

src: https://example.com/image.jpg
title: This is an image
alt: This is an image of a cat

src: https://example.com/image2.jpg
title: This is another image
alt: This is an image of a dog

DOMDocumentクラスを使用してHTMLファイルを解析し、img要素とその属性を取得することができます。

$dom = new DOMDocument();
$dom->loadHTML($html);

$images = $dom->getElementsByTagName('img');

foreach ($images as $image) {
    echo 'src: ' . $image->getAttribute('src') . '<br>';
    echo 'title: ' . $image->getAttribute('title') . '<br>';
    echo 'alt: ' . $image->getAttribute('alt') . '<br>';

    echo '<br>';
}

SimpleXMLを使用する

$xml = simplexml_load_string($html);

foreach ($xml->img as $image) {
    echo 'src: ' . $image['src'] . '<br>';
    echo 'title: ' . $image['title'] . '<br>';
    echo 'alt: ' . $image['alt'] . '<br>';

    echo '<br>';
}

HTMLParserを使用する

$parser = new HTMLParser($html);

while ($token = $parser->nextToken()) {
    if ($token['type'] === HTMLParser::TOKEN_TAG && $token['name'] === 'img') {
        echo 'src: ' . $token['attrs']['src'] . '<br>';
        echo 'title: ' . $token['attrs']['title'] . '<br>';
        echo 'alt: ' . $token['attrs']['alt'] . '<br>';

        echo '<br>';
    }
}