如何仅删除带有正则表达式的嵌入式图像？

Question

我有很多用户生成的内容，其中包含以下格式的内嵌图像：

<img src="data:image/gif;base64,R0lGODlhEAAOALMAAOazToeHh0tLS/7LZv/0jvb2
/ge8WSLf/rhf/3kdbW1mxsbP//mf///yH5BAAAAAAALAAAAAAQAA4AAARe8L1hwLJoExKcpp
V0aCcGCmTIHEIUEqjgaORCMxIC6e0CcguWw6aFjsVMkkIr7g77ZKPJjd7sJAgVGoEgAwXEQA7" 
width="16" height="14" alt="embedded folder icon">

有些图像是gif，有些图像是png，但也有可能是其他图像类型。

我希望能够使用PHP删除此类内联图像。 我猜这样做的方法将是一个正则表达式，即使过度使用正则表达式似乎在Stack Overflow社区中不受欢迎，因为它经常被用来代替其他工具更好地工作并且是针对特定的目的。

但是，对于这种情况，我可以想到除了strip_tags之外没有其他工具可以完成这项工作，但我确实希望保留不是内联编码的图像。

因此，如何使用正则表达式通过PHP过滤掉内联图像？ 或者，如果有更好的工具来执行此操作，那是什么？

Answer 1

正则表达对我来说听起来不错。 只要它匹配data:image/gif和其他类型的图像，当且仅当它们出现在img标记内时才要删除。

这是一个起点，将其扩展为您喜欢的：

<img[^>]* src=['"]?data:image/gif[^>]*>

确保使用ignore case标志运行它并在你将其置于现场之前测试它的地狱。

Answer 2

一般而言，正则数据并不令人沮丧。 它们是PHP工具箱中的任何其他工具。 一旦使用正则表达式解析HTML，问题就会开始出现。 对于小的“已知格式”摘要，您可以摆脱。 但作为一般的HTML操作工具，正则表达式根本无法保证您将获得良好的结果，因为HTML不是常规语言。

与大多数HTML操作一样，请使用DOM：

$dom = new DOMDocument;
$dom->loadHTML(...);
$xp = new DOMXPath($dom);

$images = $xp->query("//img[starts-with(@src,'data:image']");

foreach($images as $img) {
    $img->parentNode->removeChild($img);
}