画像抽出パス

Question

私は相対パスを含む、<img>タグからではなく、どこからだけではなく、HTMLからすべて画像を抽出する必要があります。私はこの正規表現を試しました：

([a-z\-_0-9\/\:\.]*\.(jpg|jpeg|png|gif)) 

..しかし、それは特別な文字に遭遇して失敗します。例えば、in this caseのようになります。それは、どちらか'（単一引用符）から開始していない"（二重引用符）または/、間にはスペースや画像の拡張子jpg|jpeg|png|gifで終わるように、私はパスをつかむにはどうすればよい

？

編集：私は可能なDOMパーサを使用しますが、私はちょうど約どこでも、インラインCSSやJSを含むからのパスを抽出するためにここに正規表現を使用する必要があります。

Answer 1

あなたはlookbehindを使用することができます。

(?<=['"])[^'"\s]*\.(jpg|jpeg|png|gif) 

これは、引用符や空白が含まれていないと、引用符が先行する任意のURLを解析します。

引用符を照合するよりも見栄えを使う利点は、このように、マッチ全体を直接使用することができ、後処理で引用符を取り除く必要がないことです。 Lookbehindは、複雑な理由のためにすべてのregexライブラリでサポートされていませんが、この場合は代替ではありません。

Answer 2

これは、あなたの試験データに動作します：

['"\/]([^\s'"]+?\.(jpg|jpeg|png|gif)) 

それは、単一引用符、二重引用符やスラッシュを必要とすることによって開始し、その後、ホワイトスペース、単一引用符、二重引用符以外のすべてをキャプチャし、最大最も近い画像拡張。マッチは最初のキャプチャグループに格納されます（多くの場合、$1）。

このソリューションには、ルック・バックを必要としないというメリット（またはおそらくは不利な点）があります。